一种基于Wi-Fi信号的动作识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于Wi－Fi信号的动作识别方法，包括：获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。通过本发明专利技术，使用者不需要额外佩戴用于体感识别的硬件设备，只需在Wi－Fi环境中即可实现动作识别，让用户拥有更好的动作识别体验。

【技术实现步骤摘要】
一种基于Wi-Fi信号的动作识别方法及装置
本专利技术涉及Wi-Fi感知
，特别是涉及一种基于Wi-Fi信号的动作识别方法及装置。
技术介绍
目前，主流的动作识别方式主要有三种：基于结构光设备，基于摄像头和基于外部设备。基于结构光设备的方法由一组投影仪和摄像头组成，通过向用户进行投影，并采集用户动作引起的光信号变化，以此复原出各时间点用户的三维模型，以此进行动作识别，但结构光系统较为昂贵，且此方法受环境影响明显，容易因为环境的变化导致识别失败；基于摄像头的方法通过单目摄像头或多目摄像头采集外部图像，通过机器视觉的方法实现动作识别，但基于摄像头的方法难以在无光或较暗的环境下使用，且在家用设备上使用摄像头采集图像会带来隐私安全的问题；基于外部设备的方式往往借助外部设备上的红外发射器或陀螺仪等传感器，对用户动作产生响应，进行动作识别，但此方法需要用户额外购买硬件设备，且正确佩戴硬件设备，对用户的使用体验会有一定影响，并且由于硬件设备只能对使用者的佩戴部位的动作进行响应，难以识别整体的动作，其识别效果往往不能令人满意。随着Wi-Fi设备的广泛使用，目前已有部分研究着眼于使用WI-FI的CSI信息进行动作识别。这些研究大多关注基于时域、频域的特征提取，或基于机器学习的特征识别方法，忽略了原始信号噪声的快速消除。现有研究方法难以快速的完成整个动作识别过程，其重要原因之一就是消噪模块过于复杂，需要很多时间进行消噪和特征提取，后续模块也专注于提高方法准确性，忽略了真实动作识别场景的即时性，难以满足大多数的动作识别使用场景。
技术实现思路
本专利技术的目的是：提供一种基于Wi-Fi信号的动作识别方法及装置，能够通过使用不同的天线对来控制电磁波通过的路径，并采用计算路径间幅度比和相位差的方法，简单快速的消除掉大部分与人体动作无关的噪声，滤波后提取出相应的特征，再使用机器学习模型预测出动作准确率，从而达到体动作识别的目的。整个方法不需使用者佩戴额外硬件，也不需要昂贵的识别设备，识别速度快，且可通过增加天线对数量的简单方式得到更多特征值，从而提升识别准确率。为了实现上述目的，本专利技术提供了一种基于Wi-Fi信号的动作识别方法，包括：获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过用户做出各种相应动作的Wi-Fi信号；将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。进一步地，所述降噪处理具体为：通过对同一时间不同接收点接收到的Wi-Fi信号中的振幅进行作比处理以及相位进行作差处理。进一步地，所述时域信息包括：波形因子、脉冲因子、峭度因子、裕度因子、短时能量和短时自相关函数；所述频域信息包括：重心频率、均方频率、基频、频谱、能量谱和小波系数。进一步地，所述预设的机器学习模型包括：SVM、GBDT、CNN和RNN模型。本专利技术实施例还提供一种基于Wi-Fi信号的动作识别装置，包括：获取模块、数据处理模块和判断模块；其中，所述获取模块，用于获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过用户做出各种相应动作的Wi-Fi信号；所述数据处理模块，用于将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；所述判断模块，用于将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。进一步地，所述降噪处理具体为：通过对同一时间不同接收点接收到的Wi-Fi信号中的振幅进行作比处理以及相位进行作差处理。进一步地，所述时域信息包括：波形因子、脉冲因子、峭度因子、裕度因子、短时能量和短时自相关函数；所述频域信息包括：重心频率、均方频率、基频、频谱、能量谱和小波系数。进一步地，所述预设的机器学习模型包括：SVM、GBDT、CNN和RNN模型。本专利技术实施例还提供一种计算机终端设备，其特征在于，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的基于Wi-Fi信号的动作识别方法。本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的基于Wi-Fi信号的动作识别方法。本专利技术实施例一种基于Wi-Fi信号的动作识别方法及装置与现有技术相比，其有益效果在于：1、增加用户体验：通过本专利技术，使用者不需要额外佩戴用于体感识别的硬件设备，只需在Wi-Fi环境中即可实现动作识别，让用户拥有更好的动作识别体验；2、降低动作识别成本：本专利技术不需要额外购买外部设备，也不需要昂贵的摄像头等设备，只需要廉价的WI-FI天线，可大大降低动作识别的硬件成本；3、可在黑暗环境下运行：本专利技术采用WI-FI信号，即电磁波信号进行动作识别，对环境亮度无要求，相比于基于摄像头的方法，对使用环境的要求低；4、避免隐私问题：本专利技术采用WI-FI信号进行动作识别，相比于摄像头设备给用户隐私带来的高风险，本专利技术只对经过预先采集的特定动作产生反应，对其他动作无识别作用，其他动作产生的信号是毫无意义的，且在穿墙后信号会有很大改变，使用户的活动信息难以被窃取。5、识别速度快：不同于其他WI-FI动作识别系统，本方法简化了复杂的降噪流程，使识别速度有所提高，更适用于真实的实时动作识别场景。附图说明图1为本专利技术第一实施例提供的一种基于Wi-Fi信号的动作识别方法的流程示意图；图2为本专利技术第一实施例提供的一种基于Wi-Fi信号的动作识别方法的整体架构示意图；图3为本专利技术某一实施例提供的一种基于Wi-Fi信号的动作识别方法中体感游戏场景示意图；图4为本专利技术某一实施例提供的一种基于Wi-Fi信号的动作识别方法中控制智能家居场景示意图；图5为本专利技术第二实施例提供的一种基于Wi-Fi信号的动作识别装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，本文档来自技高网...

【技术保护点】
1.一种基于Wi－Fi信号的动作识别方法，其特在于，包括：/n获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；其中，所述Wi－Fi信号包括经过用户做出各种相应动作的Wi－Fi信号；/n将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；/n将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。/n

【技术特征摘要】
1.一种基于Wi－Fi信号的动作识别方法，其特在于，包括：
获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；其中，所述Wi－Fi信号包括经过用户做出各种相应动作的Wi－Fi信号；
将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；
将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。


2.根据权利要求1所述的基于Wi－Fi信号的动作识别方法，其特征在于，所述降噪处理具体为：通过对同一时间不同接收点接收到的Wi－Fi信号中的振幅进行作比处理以及相位进行作差处理。


3.根据权利要求1所述的基于Wi－Fi信号的动作识别方法，其特征在于，所述时域信息包括：波形因子、脉冲因子、峭度因子、裕度因子、短时能量和短时自相关函数；所述频域信息包括：重心频率、均方频率、基频、频谱、能量谱和小波系数。


4.根据权利要求1所述的基于Wi－Fi信号的动作识别方法，其特征在于，所述预设的机器学习模型包括：SVM、GBDT、CNN和RNN模型。


5.一种基于Wi－Fi信号的动作识别装置，其特征在于，包括：获取模块、数据处理模块和判断模块；其中，
所述获取模块，用于获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；其中，所述Wi－Fi信号包括...

【专利技术属性】
技术研发人员：李超，李凡，方滨兴，殷丽华，王滨，孙哲，罗熙，王星，李丹，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44