一种窄道楼梯脚步振动信号人员识别方法技术

本发明专利技术的目的在于提供一种窄道楼梯脚步振动信号人员识别方法，包括如下步骤：(1)振动信号采集；(2)振动信号分析；(3)建立人员脚步振动特征库；(4)对人员上、下楼梯振动信号特征参数进行判定，得到人员信息。本发明专利技术利用安装基础稳固的窄道楼梯结构振动完成人员脚步身份识别，相比感应卡、密码锁、指纹识别、人脸识别等识别方式，无需人员主动验证，方便快捷，安全高效。相对平地脚步识别技术，利用窄道楼梯固定了人员步幅，消除了平地走路时步幅不稳定带来的干扰，降低了识别中信号处理的难度，可应用于安防、门禁、智能家居等领域。智能家居等领域。智能家居等领域。

【技术实现步骤摘要】
一种窄道楼梯脚步振动信号人员识别方法


[0001]本专利技术涉及的是一种信号识别方法，具体地说是人员脚步振动的信号识别方法。

技术介绍

[0002]21世纪以来，互联网、5G、物联网等不断丰富着人们的世界，人类进入大数据时代。但是随之而来的，是各类隐私偷窃、信息安全事件，人们急需一种安全可靠的身份识别方法。目前广泛使用的身份识别方法，例如图案或数字密码、身份信息卡等，容易被不法分子伪造偷窃，造成损失，具有安全隐患。由于每个人的生物特征具有高特异性，生物识别就应运而生了。
[0003]生物识别分为两类，一种是先天特征，一种是后天特征。先天特征一般是静态的，如指纹、虹膜、面部信息等，具有很强的唯一性和稳定性。后天特征一般是动态的，如声纹、脚步、签名等，受人和环境影响，稳定性往往不如先天特征。但是在身份识别中，动态的后天特征识别更加隐蔽，由于其受长期个人习惯影响，难以模仿。同时，传统的身份识别多半是侵入式识别，需要人员主动认证，不够快捷迅速，安防、门禁、智能家居等领域需要一种更方便的非侵入式身份识别方法。研究表明步态信息是每个人的特异信息，在人员行走过程中，不同的人会对脚下地面施加不同的振动激励，从而结构产生不同的振动响应和脚步声。
[0004]脚步身份识别早期的工作主要集中在脚步声识别上，最开始研究者们主要通过观察人类对脚步声的实际反应，研究人耳听觉机理对行走人员的辨识，后来人们利用采集设备，采集脚步声音信号，提取信号特征参数完成识别。由于声音信号信噪比低，易受环境影响，处理脚步声音信号需要进行复杂的信号预处理，研究者们开始将目光转向脚步引起的结构振动信号。目前脚步振动识别的研究一般基于的结构基础是平面，这就不可避免的引入个人步幅等影响，并且信号不够明显，需要更复杂的传感器布置，给最终结果带来误差。所以，合适的结构基础是必要的。

技术实现思路

[0005]本专利技术的目的在于提供能消除步幅不稳定带来的干扰，极大简化不同人员上下楼梯时引起的信号处理过程，降低特征提取难度，高效识别出人员身份特征，并可应用于安防、门禁、智能家居等领域的一种窄道楼梯脚步振动信号人员识别方法。
[0006]本专利技术的目的是这样实现的：
[0007]本专利技术一种窄道楼梯脚步振动信号人员识别方法，其特征是：
[0008](1)振动信号采集；
[0009](2)振动信号分析；
[0010](3)建立人员脚步振动特征库；
[0011](4)对人员上、下楼梯振动信号特征参数进行判定，得到人员信息。
[0012]本专利技术还可以包括：
[0013]1、所述步骤(1)包括选取安装基础、安装传感器、设置采集参数；选取安装基础时，
选取窄道楼梯作为基础结构，测试安装基础的结构模态，比较有无人员附加质量时的模态结果，若变化范围在预设范围内，则安装基础可被选取；在安装基础上布置传感器，设置时间采样频率，利用振动信号采集设备，采集不同类型人员上、下楼梯的结构振动信号，每个人至少重复三次。
[0014]2、针对传感器采集到的时域数据，选取有脉冲数据的时间段，去除无用噪声信号，计算一段数据内脉冲的平均峰峰值、脉冲平均宽度、平均均方根值，然后对每个人的相同工况数据取平均，脉冲平均宽度用来表示步均时间，平均均方根值反映振动的幅值大小和冲击的密集程度，其中均方根值RMS的计算式如下：
[0015][0016]其中，X为待处理数据，N为X中所包含数据点个数，x
n
为各个数据点的数值。
[0017]3、将每个人上、下楼梯计算后得到的峰值、每步时间、均方根值录入人员特征库，形成匹配模板，进而进行之后的人员身份识别。
[0018]4、选取阈值，比较特征库中参数与人员脚步振动实时计算参数，完成人员身份识别。
[0019]5、所述特征库中包括4为人员，分别为A、B、C、D，A和B为少年，C和D为青年；如果振动数据均方根值大于0.1，则认为是青年；下楼每步时间小于0.4s的，则认为是C，另外的则认为是D；对于A、B，如果上楼每步时间小于0.5s，则认为是B，另外的则认为是A；每个人的上、下楼选取上楼、下楼每步时间平均值为阈值，小于阈值为下楼，大于阈值为上楼，即可完成对不同人员上下楼梯的身份识别。
[0020]6、若特征库中没有匹配的人员特征，即认为待识别人员不在人员库中，需要进一步审查。
[0021]本专利技术的优势在于：利用窄道楼梯固定了人员步幅，消除了平地走路时步幅不稳定带来的干扰，仅利用少量时域特征参数即可完成对人员身份的判别，实现了人员身份高效识别。此过程涉及到振动信号采集技术、时域信号分析技术以及阈值生成判定等技术的应用。选取安装基础稳固的窄道楼梯避免人员附加质量引起的系统误差，截取有效的时域数据，保留数据中对试验人员类型敏感的特征值。
[0022]利用安装基础稳固的窄道楼梯结构振动完成人员脚步身份识别，相比感应卡、密码锁、指纹识别、人脸识别等识别方式，无需人员主动验证，方便快捷，安全高效。相对平地脚步识别技术，利用窄道楼梯固定了人员步幅，消除了平地走路时步幅不稳定带来的干扰，降低了识别中信号处理的难度，可应用于安防、门禁、智能家居等领域。
附图说明
[0023]图1为本专利技术的流程图；
[0024]图2为本专利技术窄道楼梯传感器布置示意图；
[0025]图3a为人员上楼时振动信号示意图，图3b为人员下楼时振动信号示意图；
[0026]图4为本专利技术实施例人员身份识别特征库。
具体实施方式
[0027]下面结合附图举例对本专利技术做更详细地描述：
[0028]结合图1
‑
4，本专利技术方法流程如下(图1为本专利技术的流程图)：
[0029]步骤一、振动信号采集(安装基础确认、传感器安装、采集设备确认、采集参数确认、采集开始、人员上/下楼梯、采集结束)。
[0030]首先要确认方法实施基础结构是否稳固，基础不稳会有以下不良后果，一是人员在楼梯上会改变楼梯整体模态，造成系统误差，二是楼梯系统阻尼小会使脚步信号脉冲衰减慢，不利于分析信号，出现脉冲大部分叠加状态。选取结构基础时可以测试结构模态，比较有无人员附加质量时的模态结果，若无太大变化可认为结构基础安装状态良好。选取楼梯作为基础结构可保证步长相同，信号易于处理，实施例选取楼梯如图2所示沿着楼梯在楼梯底部由上向下布置传感器，传感器密度由需求而定。设置采集参数，时间采样频率定为25.6kHz，利用振动信号采集设备，采集不同类型人员上下楼梯时的结构振动信号，每个人应反复三次以上，避免偶然误差。
[0031]步骤二、振动信号分析(对振动时域信号进行裁剪，获得有效数据、分析时域数据，获得特征参数)。
[0032]针对某一个传感器通道采集到的时域数据，选取有脉冲数据的时间段，去除无用噪声信号，示例如图3a和图3b所示，将数据输入计算程序，计算一段数据内脉冲的平均峰峰值、脉冲平均宽度(用来表示步均时间)、平均均方根值(反映振动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种窄道楼梯脚步振动信号人员识别方法，其特征是：(1)振动信号采集；(2)振动信号分析；(3)建立人员脚步振动特征库；(4)对人员上、下楼梯振动信号特征参数进行判定，得到人员信息。2.根据权利要求1所述的一种窄道楼梯脚步振动信号人员识别方法，其特征是：所述步骤(1)包括选取安装基础、安装传感器、设置采集参数；选取安装基础时，选取窄道楼梯作为基础结构，测试安装基础的结构模态，比较有无人员附加质量时的模态结果，若变化范围在预设范围内，则安装基础可被选取；在安装基础上布置传感器，设置时间采样频率，利用振动信号采集设备，采集不同类型人员上、下楼梯的结构振动信号，每个人至少重复三次。3.根据权利要求2所述的一种窄道楼梯脚步振动信号人员识别方法，其特征是：针对传感器采集到的时域数据，选取有脉冲数据的时间段，去除无用噪声信号，计算一段数据内脉冲的平均峰峰值、脉冲平均宽度、平均均方根值，然后对每个人的相同工况数据取平均，脉冲平均宽度用来表示步均时间，平均均方根值反映振动的幅值大小和冲击的密集程度，其中均方根值RMS的计算式如下：其中，X为待处理数据，N为X中所包含数据点个数，x

【专利技术属性】
技术研发人员：朱云柯，朱庭柯，曹海峰，徐思萌，梁琨，
申请(专利权)人：朱庭柯，
类型：发明
国别省市：