一种基于分布式光纤传感的步态识别方法和装置制造方法及图纸

本发明专利技术公开了一种基于分布式光纤传感的步态识别方法和装置，包括以下步骤：S1：采集模块采集步态信号；S2：分析模块将步态信号分隔成单状态和双状态；S3：建立单状态和双状态集成学习模型，以提取的步态信号特征作为集成学习模型输入进行训练，得到预测值；S4：处理模块基于预测值判定人员身份并进行处理。本发明专利技术的有益效果是：能通过分布式光纤获取步态，能通过步态来识别人员身份。过步态来识别人员身份。过步态来识别人员身份。

【技术实现步骤摘要】
一种基于分布式光纤传感的步态识别方法和装置


[0001]本专利技术涉及步态识别
，特别涉及一种基于分布式光纤传感的步态识别方法和装置。

技术介绍

[0002]分布式光纤在各种领域应用广泛，尤其是在油气管网安全性监测、边境安防管理起到了显著的作用，且人员步态具有不一致性，通过步态能验证生物特征，认知负荷下的步态由于处理认知信息的成本的个体差异而具有唯一的特征，通过分布式光纤获取人员步态能判断人员身份。
[0003]现有技术中，忽视事件的差异性，对识别对象缺少进一步分析，没有对引起事件的人的行为特征进行分析，研究缺少对事件的细粒度分析，不能应用分布式光纤通过步态来识别人员身份，只能识别到相关事件是由人引起的。
[0004]例如，一种在中国专利文献上公开的“分布式光纤传感装置”，其公告号：CN111089613A，其申请日：2019年12月30日，该专利技术提升了有效检测距离且测量时间更短，但是存在不能通过分布式光纤获取步态，不能通过步态来识别人员身份的问题。

技术实现思路

[0005]针对现有技术不能通过分布式光纤获取步态，不能通过步态来识别人员身份的不足，本专利技术提出了一种基于分布式光纤传感的步态识别方法和装置，能通过分布式光纤获取步态，能通过步态来识别人员身份。
[0006]以下是本专利技术的技术方案，一种基于分布式光纤传感的步态识别方法，包括以下步骤：
[0007]S1：采集模块采集步态信号；
[0008]S2：分析模块将步态信号分隔成单状态和双状态；
[0009]S3：建立单状态和双状态集成学习模型，以提取的步态信号特征作为集成学习模型输入进行训练，得到预测值；
[0010]S4：处理模块基于预测值判定人员身份并进行处理。
[0011]本方案中，利用采集模块采集需要识别人员的步态信号，对由人走动引起的波形信号进行分析；分析模块分析人员的步态信号特征，将步态分为单状态部分和双状态部分；建立单状态和双状态集成学习模型，提取出单状态和双状态的特征，将这些特征输入到集成学习模型中进行训练，训练完的集成学习模型输出预测值；处理模块基于预测值判定人员身份并进行处理。
[0012]作为优选，集成学习模型由单状态特征蒸馏模块、双状态特征蒸馏模块、特征判别模块和融合模块组成，单状态特征蒸馏模块和双状态特征蒸馏模块用于提取时序高级特征，特征判别模块将单状态特征向量和双状态特征向量组合作为集成学习模型的输入并得到概率值，融合模块接收单状态特征蒸馏模块、双状态特征蒸馏模块和特征判别模块的输
出并通过多层神经网络进行特征融合。
[0013]作为优选，按照接触面脚的数量和状态将步态周期划分为若干个步态事件。
[0014]本方案中，按照接触面脚的数量和状态将步态周期划分为若干个步态事件，对步态事件进行划分，确定单状态和双状态的临界点，保证单状态和双状态划分的准确性。
[0015]作为优选，步态事件分为单支撑过程状态和双支撑过程状态，单支撑过程状态占步态周期的首部9％和尾部7％，其余部分为双支撑过程状态。
[0016]本方案中，步态事件分为单支撑过程状态和双支撑过程状态，单支撑过程状态占步态周期的首部9％和尾部7％，其余部分为双支撑过程状态，通过大数据获取数据并进行步态识别，分析步态事件归类和比例，便于对采集的步态信号进行单状态和双状态的划分。
[0017]作为优选，集成学习模型采用残差连接和正则化技术，神经网络最后一层采用sigmoid激活函数。
[0018]本方案中，采用了残差连接和正则化技术提升模型表征能力，最后一层神经网络采用 sigmoid激活函数，保证输出的预测值分布在0至1之间。
[0019]作为优选，采集模块采集频率为5赫兹。
[0020]本方案中，采集模块采集频率为5赫兹，保证步态图像的连贯性且不会丢失步态特征。
[0021]作为优选，S4具体步骤如下：
[0022]S41：基于预测值判断人员是否为陌生人；
[0023]S42：若是陌生人，预警并录入身份，若不是陌生人，通过步态信号识别人员身份。
[0024]本方案中，处理模块基于预测值判定人员身份并进行处理，若是陌生人，预警并录入身份，若不是陌生人，通过步态信号识别人员身份，对陌生人进行预警，保证安防人员第一时间发现该陌生人，要求陌生人录入身份，便于记录陌生人信息，识别不是陌生人人员的身份，便于归纳统计。
[0025]作为优选，S42还包括：
[0026]若录入了身份，则将身份与对应的步态信号进行匹配。
[0027]本方案中，录入身份后将身份与对应的步态信号进行匹配，用于保证下次识别时不是陌生人。
[0028]一种基于分布式光纤传感的步态识别装置，包括：采集模块、分析模块和处理模块，采集模块包括：激光器，用于产生激光，连接声光调制器；
[0029]声光调制器，用于将激光器的连续光变为脉冲光，连接光纤放大器；
[0030]光纤放大器，用于放大声光调制器的脉冲光信号，连接环形器；
[0031]环形器，用于输送脉冲光信号至光纤传感器，输出瑞利后向散射光至光电探测器，连接光纤传感器和光电探测器；
[0032]光纤传感器，用于监测被测场的空间分布和随时间的变化信息；
[0033]光电探测器，用于将环形器的光信号转化为电信号，连接数据采集卡；
[0034]数据采集卡，采集光电探测器的电信号并传输至分析模块；
[0035]分析模块，用于处理和分析步态信号并将分析结果输出至处理模块；
[0036]处理模块，用于基于分析结果进行事务处理。
[0037]本方案中，采集模块采集需要识别人员的步态信号，对由人走动引起的波形信号
进行分析，分析模块对信号进行处理，并将分析结果输出至处理模块，分析模块分析人员的步态信号特征，将步态分为单状态部分和双状态部分，建立单状态和双状态集成学习模型，提取出单状态和双状态的特征，将这些特征输入到集成学习模型中进行训练，训练完的集成学习模型输出预测值，处理模块基于分析模块的分析结果进行处理。
[0038]作为优选，光纤传感器为分布式光纤传感器，激光器为窄线宽激光器，光纤传感器沿着油气管网进行铺设，激光器、声光调制器、光纤放大器、环形器、光电探测器和数据采集卡集成在机箱里。
[0039]本方案中，分布式光纤传感采用分布式光纤探测技术，对沿光纤传输路径上的空间分布和随时间变化信息进行测量或监控，光纤传感器沿着油气管网进行铺设，把每个传感单位设置成一个防区，采集模块的其他部分集成在机箱里，保证传感器防区的严密性的同时减小装置的复杂度。
[0040]本专利技术的有益效果是：能通过分布式光纤获取步态，能通过步态来识别人员身份。
附图说明
[0041]图1本专利技术一种基于分布式光纤传感的步态识别装置的结构示意图。
[0042]图2本专利技术一种基于分布式光纤传感的步态识别方法的流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式光纤传感的步态识别方法，其特征在于，包括以下步骤：S1：采集模块采集步态信号；S2：分析模块将步态信号分隔成单状态和双状态；S3：建立单状态和双状态集成学习模型，以提取的步态信号特征作为集成学习模型输入进行训练，得到预测值；S4：处理模块基于预测值判定人员身份并进行处理。2.根据权利要求1所述的一种基于分布式光纤传感的步态识别方法，其特征在于，集成学习模型由单状态特征蒸馏模块、双状态特征蒸馏模块、特征判别模块和融合模块组成，单状态特征蒸馏模块和双状态特征蒸馏模块用于提取时序高级特征，特征判别模块将单状态特征向量和双状态特征向量组合作为集成学习模型的输入并得到概率值，融合模块接收单状态特征蒸馏模块、双状态特征蒸馏模块和特征判别模块的输出并通过多层神经网络进行特征融合。3.根据权利要求1所述的一种基于分布式光纤传感的步态识别方法，其特征在于，按照接触面脚的数量和状态将步态周期划分为若干个步态事件。4.根据权利要求3所述的一种基于分布式光纤传感的步态识别方法，其特征在于，步态事件分为单支撑过程状态和双支撑过程状态，单支撑过程状态占步态周期的首部9％和尾部7％，其余部分为双支撑过程状态。5.根据权利要求1所述的一种基于分布式光纤传感的步态识别方法，其特征在于，集成学习模型采用残差连接和正则化技术，神经网络最后一层采用sigmoid激活函数。6.根据权利要求1所述的一种基于分布式光纤传感的步态识别方法，其特征在于，采集模块采集频率为5赫兹。7.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：俞沛宙，何辅江，杨继辉，陈德军，吴高波，屠荣平，吴设军，戴国栋，林雯瑜，徐锡波，
申请(专利权)人：宁波市永能电力产业投资有限公司，
类型：发明
国别省市：