【技术实现步骤摘要】
一种基于毫米波雷达的人体姿态追踪方法
[0001]本专利技术属于无线感知与计算机视觉交叉领域,具体涉及一种基于毫米波雷达的人体姿态追踪方法。
技术介绍
[0002]基于视觉的人体姿态追踪是估计多人姿态(Human Pose Estimation,HPE)并为帧中的每个对象分配唯一实例ID的任务。系统通常包括图像采集设备和后台处理设备,通常使用一个或多个摄像头采集人体日常活动的视频,通过网络通信传送到后台处理系统,系统从视频帧中分离出前景,提取目标人体的特征信息包括静态特征和动态特征,根据这些特征值的变化,结合深度学习的方法进行姿态估计并追踪。
[0003]目前基于视觉的HPE性能上已经取得了一定的进步,但是在应用领域上仍然存在着局限性。在场景光线昏暗的情况下,摄像头将会面临光线昏暗的问题,再加上人体之间相互遮挡,会大幅度的降低检测的准确率和轨迹跟踪的性能。并且摄像头是入侵性的,在某些方面,存在隐私侵犯问题。比如,某些场景下,对于基于姿态的方法做跌倒检测,以及在敏感环境中的行为识别,视觉的方法会涉及到严重的隐私问题。
技术实现思路
[0004]本专利技术主要解决的技术问题是提出一种基于毫米波雷达的人体姿态追踪实现。能够在环境光线昏暗,电磁波,摄像头视距等限制因素都被革除的同时保证数据隐私性,并实现高效的人体姿态追踪。
[0005]在姿态估计工作上,为了表示从输入数据中提取的关键点和特征,本专利技术选择采用的人体动力学模型(骨骼模型),能够有效的展现人体在二维像素平面中的姿态数据和运动行为 ...
【技术保护点】
【技术特征摘要】
1.一种基于毫米波雷达的人体姿态追踪方法,其特征在于:所述方法包括如下步骤:步骤1,数据采集;获取图像数据I和雷达原始射频数据R;步骤2,教师网络选取;选择使用HRNet网络为教师网络,将图像数据I输入教师网络HRNet网络得到的人体姿态估计结果T
i
,T
i
是一个形式为(N,C,F,V,M)的五维张量信息,N表示网络输入的batch
‑
size,C表示通道,代表像素坐标系下的横纵坐标以及置信分数,F表示帧数,V表示关键点个数,M表示人数;将T
i
作为标签信息,监督学生射频网络学习得到结果S(R);步骤3,雷达数据处理;采集到的雷达数据的形式为(S,L,X,F),S为采样点sample,L表示每秒发射chirp的数量,X表示雷达数据的通道数channel,代表雷达的发射和接收天线,F表示数据获取的帧数;对采集到的数据进行维度变换以及傅里叶变换,得到水平热图H和垂直热图V;步骤4,学生网络训练;将水平垂直热图并行输入射频编码网络E,分别做编码处理,经过编码以后再将二者信息按通道维度拼接,将聚合后的信息再次输入编码网络D;将教师网络输出的人体姿态估计结果作为标签训练学生网络;步骤5,姿态追踪;使用卡尔曼滤波器实现运动的预测和更新;步骤6,数据关联;使用匈牙利算法,在每个人员检测和保持跟踪的目标之间创建关联,使组合的距离损失最小化,输出最终跟踪结果。2.根据权利要求1所述的一种基于毫米波雷达的人体姿态追踪方法,其特征在于:步骤1中,使用单目摄像头和三发射四接收天线的RWX6843毫米波雷达配合同步采集图像数据I和雷达原始射频数据R。3.根据权利要求2所述的一种基于毫米波雷达的人体姿态追踪方法,其特征在于:图像采集帧率和雷达数据采集帧率设置为20FPS。4.根据权利要求1所述的一种基于毫米波雷达的人体姿态追踪方法,其特征在于:步骤2中,HRNet从高分辨率子网作为第一阶段始,逐步增加高分辨率到低分辨率的子网,形成更多的阶段,并将多分辨率子网并行连接,所以能在网络中随时保持高分辨率表示。5.根据权利要求1所述的一种基于毫米波雷达的人体姿态追踪方法,其特征在于:步骤4中,射频编码网络E为共计10层的9
×5×
5的卷积网络,随后对结果做批处理归一化,并在每一层的最后使用RELU激活函数。6.根据权利要求5所述的一种基于毫米波雷达的人体姿态追踪方法,其特征在于:步骤4中,对于射频编码网络E,每次输入500帧的热图信息,...
【专利技术属性】
技术研发人员:韩崇,郭澳,孙力娟,郭剑,王娟,薛景,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。