一种基于无线信号的老人摔倒检测方法技术

一种基于无线信号的老人摔倒检测方法，利用CSITOOL工具搭建CSI数据发送和接收平台，基于无线信号的摔倒检测过程首先将采集到的CSI信号进行离群点异常值去除和小波去噪，并对采集到的信号进行标注。最后构建网络，提取网络特征用之建立摔倒指纹库，从而回归出摔倒检测的评价与预警信息。同时，本发明专利技术还提出一种多天线CSI信号分层采样策略。本发明专利技术能够大大降低实际运营成本和可实现成本，从而有效实现对老人意外摔倒的识别，在无线感知、行为识别具有一定的应用价值。有一定的应用价值。有一定的应用价值。

【技术实现步骤摘要】
一种基于无线信号的老人摔倒检测方法


[0001]本专利技术涉及人体行为识别领域，尤其涉及一种基于无线信号的老人摔倒检测方法。

技术介绍

[0002]中国人口老龄化是一个客观的人口问题，且年轻人工作压力很大，对于照看老人、小孩可能存在疏忽或者存在不可见、不可控的危险，如老人在室内异常跌倒都是客观存在的，如果能够事实监控并报警解决这些隐患，将对生活安全提供重大保障。
[0003]基于图像的行为识别是计算机视觉中一个非常活跃的研究领域，随着计算机技术的不断发展和深度学习研究的深入，基于相机的识别方法已十分成熟，无论是利用单目RGB相机进行人体行为识别，还是使用多个相机获得多个视角RGB图像进行三维人体行为识别，或者基于深度相机获得包含深度距离图像进行三维人体行为识别，这些方法都在行为识别方面有很好的表现。
[0004]然而，通过相机这种传统的传感器技术受光照、遮挡以及背景限制明显，而且存在隐私问题；相比而言，基于无线信号的行为感知和估计技术展示了能够支持人类与物理环境之间更复杂的交互方式，具有实现成熟应用的潜力。
[0005]近几年，无线感知在姿态感知方面的研究取得一些成果，实验表明无线信号可以很好的完成行为任务。随着WiFi系统的不断普及，WiFi信号进行人体感知将可以很好的应用到市场中，包括对行动不方便病人或者老人的活动检测和生活辅助，使用WiFi信号可以很好的避开一些隐私问题；另外WiFi相比夜视摄像头也具有成本低、简单方便的应用优势。

技术实现思路

[0006]为了克服传统相机传感器技术在进行人体行为识别，特别是私人隐私场所老人摔倒问题，传感器受光照、遮挡、背景隐私问题限制的问题，本专利技术提供一种基于无线信号的老人摔倒检测方法，能够大大降低实际运营成本和可实现成本，从而有效实现对老人意外摔倒的识别，在无线感知、行为识别具有一定的应用价值。
[0007]本专利技术所采用的技术方案是：
[0008]一种基于无线信号的老人摔倒检测方法，所述方法包括以下步骤：
[0009]步骤1：使用CSITOOL工具搭建信道状态信息CSI数据发送和接收平台；
[0010]步骤2：在实验环境下同时采集包含志愿者动作的CSI数据，动作分为6类，包括前摔、后摔、坐在椅子上前摔、坐下时后摔、侧摔和正常行走；
[0011]步骤3：对采集到的CSI数据进行预处理，利用共轭相乘法解决信号的相位偏移；
[0012]步骤4：用Hampel异常值滤波去除原始信号的明显离群点，以样本中值替换异常值；
[0013]步骤5：利用离散小波变换对原始信号进行滤波，去除静态直流分量；
[0014]步骤6：基于卷积的输入信号双线性插值采样；
[0015]步骤7：构建神经网络模型并进行训练；
[0016]步骤8：确定神经网络模型评价指标并进行评价，以命中率H为评价指标。
[0017]进一步，所述步骤3中，消除相位偏移过程如下：
[0018]首先构建CSI模型公式：
[0019][0020]其中表示时间对准偏移、采样频率偏移，和载波频率偏移引起的相位偏移，H
s
(f)表示的是路径上的环境变化和环境物体反射信号，L表示人体反射部分信号链路，a
l
(f，t)表示路径l的幅度噪声，表示路径l的多普勒频移；
[0021]消除方法公式如下：
[0022][0023]其中，H
cm
(f，t)表示共轭相乘的结果，分别用H
1，s
(f)、H
2，s
(f)表示共轭信号H1(f，t)、H2(f，t)的静态分量，k、l表示两个信号的动态链路部分，a
l
(f，t)、a
k
(f，t)表示两条链路的幅度噪声，表示两条链路的多普勒频移。在消除结果中，第一项表示两个天线的静态路径，第二项表示两个天线的动态路径分量的乘积，另外两个项表示一个天线的静态分量与另一个天线的动态分量之间的乘积，利用减去信号的平均值来消除静态变量，消去不包含人体信息的分量。
[0024]再进一步，所述步骤6的过程如下：
[0025]输入信号每一组信道状态信息矩阵都由接收和发送天线数量决定，其中发射天线和接收天线的数量分别为m＝n＝3，每一组状态矩阵都有固定的采样点数量D＝150，则每组人体关键点信息序列可由一个多维矩阵表示：
[0026][0027]使用双线性插值处理多维矩阵I，插值数量b＝32，每一个矩阵元素i
pq
被插值模块B
pq
代替；
[0028][0029]函数f(a)为插值所对应的权重，即f(a)＝(a+1)/b；插值后信道状态信息矩阵I
′
∈R
M
×
N
×
D
；。再进一步，所述步骤7的过程如下：
[0030]卷积层包括不同尺寸的卷积核，每个尺寸都包含大量卷积核，卷积核的通道数与CSI矩阵的通道数相同，都为D＝150；
[0031]假设第K个卷积核的长宽为H、K，则卷积核表示为W
k
＝R
H
×
K
×
D
，即：
[0032][0033]卷积操作是对I
′
的局部特征的提取，卷积操作的过程：当卷积核W
k
与I
′
1，1
相遇，提取得到的特征为：
[0034][0035]上式中，i
′
i，j
是I
′
的第i行第j列的子元素，是i
′
i，j
的权重，为偏置，Relu是非线性激活函数：
[0036]f(x)＝max(0，x)
[0037]卷积操作是W
k
分别以步长S
H
、S
K
从I
′
的顶部到底部，前端到后端，产生的特征组合为：
[0038][0039]信道状态信息经过一系列卷积与池化操作后，提取到的所有特征按照端到端的方式进行连接，长度归一化到256，最终输入若干个全连接层以及输出层，输出层的单元数为2，经过softmax激活函数得到摔倒检测结果。
[0040]损失函数定义为：
[0041]Loss＝λL
w
(y
predict
)
[0042]其中λ为正则系数L
w
为样本的均方误差，定义为：
[0043][0044]其中和分别表示真实值标签和预测结果，n表示所有输入总数。
[0045]本专利技术的技术构思为：基于无线信号的物体、人体识别是近些年来兴起的一个研究领域，许多学者在无线感知领域取得了大量的研究成果。中国人口老龄化是一个客观的人口问题，老人因无人看守摔倒死亡是必须应对的问题。因此实现无接触、去隐私的应急报警以保护老人等弱势群体正是目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无线信号的老人摔倒检测方法，其特点在于，所述方法包括以下步骤：步骤1：使用CSITOOL工具搭建信道状态信息CSI数据发送和接收平台；步骤2：在实验环境下同时采集包含志愿者动作的CSI数据，动作分为6类，包括前摔、后摔、坐在椅子上前摔、坐下时后摔、侧摔和正常行走；步骤3：对采集到的CSI数据进行预处理，利用共轭相乘法解决信号的相位偏移；步骤4：用Hampel异常值滤波去除原始信号的明显离群点，以样本中值替换异常值；步骤5：利用离散小波变换对原始信号进行滤波，去除静态直流分量；步骤6：基于卷积的输入信号双线性插值采样；步骤7：构建神经网络模型并进行训练；步骤8：确定神经网络模型评价指标并进行评价，以命中率H为评价指标。2.根据权利要求1所述的一种基于无线信号的老人摔倒检测方法，其特征在于所述步骤3的过程如下：构建CSI模型公式：其中表示时间对准偏移、采样频率偏移，和载波频率偏移引起的相位偏移，H
s
(f)表示的是路径上的环境变化和环境物体反射信号，L表示人体反射部分信号链路，a
l
(f，t)表示路径l的幅度噪声，表示路径l的多普勒频移；消除方法公式如下：其中，H
cm
(f，t)表示共轭相乘的结果，分别用H
1，s
(f)、H
2，s
(f)表示共轭信号H1(f，t)、H2(f，t)的静态分量，k、l表示两个信号的动态链路部分，a
l
(f，t)、a
k
(f，t)表示两条链路的幅度噪声，表示两条链路的多普勒频移；在消除结果中，第一项表示两个天线的静态路径，第二项表示两个天线的动态路径分量的乘积，另外两个项表示一个天线的静态分量与另一个天线的动态分量之间的乘积，利用减去信号的平均值来消除静态变量，消去不包含人体信息的分量。3.根据权利要求1或2所述的一种基于无线信号的老人摔倒检测方法，其特征在于，所述步骤6的过程如下：输入信号每一组信道状态信息矩阵都由接收和发送天线数量决定，其中发射天线和接
收天线的数量分别为m＝n＝3，每一组状态矩阵都有固定的采样点数量D＝150，则...

【专利技术属性】
技术研发人员：吴哲夫，郑烨孟，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：