基于密度聚类和支持向量机的多人姿态识别系统及方法技术方案

本发明专利技术涉及智能家居领域，其公开了一种基于密度聚类和支持向量机的多人姿态识别系统及方法，解决现有技术中人体姿态识别技术存在的多分类和多人场景识别难的问题。本发明专利技术基于密度聚类算法，把雷达点云数据聚类成一个或多个聚类群；再基于聚类群数据提取表征人体姿态的多维特征，输入离线训练的支持向量机一对多分类模型，根据分类结果判定姿态，并结合位置和环境信息判断是否触发家居控制指令。和环境信息判断是否触发家居控制指令。和环境信息判断是否触发家居控制指令。

【技术实现步骤摘要】
基于密度聚类和支持向量机的多人姿态识别系统及方法


[0001]本专利技术涉及智能家居领域，具体涉及一种基于密度聚类和支持向量机的多人姿态识别系统及方法。

技术介绍

[0002]在物联网技术的推动下，各类智能化感知设备出现在人们的日常生活中。人体姿态识别在智能家居，生命监测，智能防护等领域具有重要意义。目前能够实现人体姿态识别的手段较多，包括但不限于视频，可穿戴传感器，WIFI信号，红外技术，毫米波雷达等，其中毫米波雷达因成本低廉，安全性优，保护用户隐私，对光照环境不敏感等优势成为人体姿态识别问题的最优解决方案之一。
[0003]现有的大多数研究都是识别单一姿态或只针对单人场景，且识别姿态识别算法效率低，具有一定的延时性，用户整体体验感欠佳；而实际家居环境下姿态众多，且难免会出现多人场景，另外对姿态识别算法的效率也有较高要求，因此，现有的姿态识别技术无法满足家居环境下的多人、多姿态、快速识别的要求。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提出一种基于密度聚类和支持向量机的多人姿态识别系统及方法，解决现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于密度聚类和支持向量机的多人姿态识别系统，其特征在于，包括：毫米波雷达模块，用于发射电磁波信号，并接收场景反射的雷达回波信号，提取空间坐标内的点云信息，并使用密度聚类算法对点云进行分簇，然后将数据传输至特征提取模块；特征提取模块，用于从分簇后的点云数据中提取与姿态相关的多维特征，并将提取的所述多维特征传输至姿态识别模块；姿态识别模块，用于将多维特征分别输入至设置的多个SVM分类子模型中，通过比较各个SVM分类子模型分类结果的置信度来确定最终的姿态类型，并将姿态类型传输至家居控制模块；家居控制模块，用于根据接收的姿态类型结合用户所处的空间位置和环境信息，激活相应的家居控制指令。2.基于密度聚类和支持向量机的多人姿态识别方法，其特征在于，包括以下步骤：S1、毫米波雷达在其监控区域内发射电磁波信号，接收雷达回波，提取空间点云信息，并使用密度聚类算法对点云数据进行分簇；S2、从分簇后的点云数据中提取与姿态相关的多维特征；S3、将多维特征分别输入至设置的多个SVM分类子模型中，通过比较各个SVM分类子模型分类结果的置信度来确定最终的姿态类型；S4、根据确定出来的姿态类型，结合用户所处的空间位置和环境信息，激活相应的家居控制指令。3.如权利要求2所述的基于密度聚类和支持向量机的多人姿态识别方法，其特征在于，该方法在步骤S1之前还包括：S0、预先设计待识别的人体姿态种类，人体姿态训练数据的采集方案。4.如权利要求2所述的基于密度聚类和支持向量机的多人姿态识别方法，其特征在于，所述人体姿态种类包括坐下、蹲下、弯腰、跌倒、行走、站立、躺下共七种姿态；所述人体姿态训练数据集的采集方案为选择身高、体重、年龄、性别不同的多名测试人员，每名测试人员在同一空间内重复七种姿态动作。5.如权利要求2所述的基于密度聚类和支持向量机的多人姿态识别方法，其特征在于，步骤S1中，使用密度聚类算法对点云数据进行分簇后，每个簇的点云数据对应一个人体目标。6.如权利要求5所述的基于密度聚类和支持向量机的多人姿态识别方法，其特征在于，步骤S2中，所述从分簇后...

【专利技术属性】
技术研发人员：李阳，彭世伟，魏劲超，李俊潇，王阳宣，
申请(专利权)人：四川启睿克科技有限公司，
类型：发明
国别省市：