本发明专利技术涉及人机交互技术领域，公开了一种行人动作识别方法、装置、设备及存储介质，该方法包括：根据预设采样率对接收到的目标行人反馈的多普勒回波信号进行采样，获得采样信号；对采样信号进行预处理，根据预处理结果构建采样信号对应的四维特征向量；将四维特征向量输入至预设动作识别模型，获得目标行人的动作特征。相较于现有的多普勒感应雷达难以识别行人简单的动作，本发明专利技术通过对多普勒回波信号进行采样，获得采样信号，然后经预处理构造特殊的四维特征向量，最后输入至预设动作识别模型确定目标行人的动作特征，从而仅利用结构简单且无测距功能的多普勒感应雷达就能得到区分目标行人动作的行人动作识别设备，降低了运算资源和成本。源和成本。源和成本。
【技术实现步骤摘要】
行人动作识别方法、装置、设备及存储介质
[0001]本专利技术涉及人机交互
，尤其涉及一种行人动作识别方法、装置、设备及存储介质。
技术介绍
[0002]在智能设备的应用中，较多涉及多逻辑控制的场合，例如行人动作识别，一般采用摄像头来获取动作的图像帧，经神经网络、深度学习等算法来实现动作的分类识别。但在一些隐私场所，如卫生间、澡堂等，摄像头并不适用于这些场所，而多普勒雷达虽然在智能卫浴领域中，常可作为移动侦测传感器，用于控制浴灯、小便池、马桶盖等设备的开关，但是现有的多普勒感应雷达却难以识别行人简单的动作。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供了一种行人动作识别方法、装置、设备及存储介质，旨在解决现有技术多普勒感应雷达难以识别行人简单动作的技术问题。
[0005]为实现上述目的，本专利技术提供了一种行人动作识别方法，所述方法包括以下步骤：
[0006]在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号；
[0007]对所述采样信号进行预处理，根据预处理结果构建所述采样信号对应的四维特征向量；
[0008]将所述四维特征向量输入至预设动作识别模型，获得所述目标行人的动作特征。
[0009]可选地，所述对所述采样信号进行预处理，根据预处理结果构建所述采样信号对应的四维特征向量的步骤包括：
[0010]对所述采样信号进行预处理，获得所述采样信号对应的预处理数据；
[0011]根据预设聚类算法对所述预处理数据进行聚类，根据聚类结果将所述预处理数据划分为对应的若干动作类别；
[0012]根据所述动作类别构建所述采样信号对应的四维特征向量。
[0013]可选地，所述对所述采样信号进行预处理，获得所述采样信号对应的预处理数据的步骤包括：
[0014]根据预设时频特征提取算法对所述采样信号进行特征提取，获得所述采样信号对应的类余弦信号；
[0015]提取所述类余弦信号中的波峰和波频率；
[0016]根据所述采样信号对应的采样顺序对所述波峰和所述波频率进行序号标记，获得所述波峰对应的波峰序列和所述波频率对应的波频率序列；
[0017]所述根据预设聚类算法对所述预处理数据进行聚类，根据聚类结果将所述预处理
数据划分为对应的若干动作类别的步骤包括：
[0018]基于所述波峰序列和所述波频率序列利用预设聚类算法对所述类余弦信号进行聚类，将所述类余弦信号分为对应的若干动作类别。
[0019]可选地，所述根据所述动作类别构建所述采样信号对应的四维特征向量的步骤包括：
[0020]根据所述动作类别提取所述类余弦信号对应的所述波峰序列、所述波频率和所述波频率序列；
[0021]根据所述波峰序列和所述预设采样率确定所述动作类别对应的时长跨度；
[0022]根据所述波频率序列确定所述动作类别对应的频率跨度；
[0023]根据所述波频率确定所述动作类别对应的频率方差；
[0024]基于所述时长跨度、所述频率跨度、所述频率方差以及所述类余弦信号对应的数量构建四维特征向量。
[0025]可选地，所述在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号的步骤之前，还包括：
[0026]获取多普勒回波信号对应的样本数据；
[0027]对所述样本数据进行预处理，根据预处理结果构建所述样本数据对应的四维特征向量；
[0028]根据所述四维特征向量利用预设反向传播算法对初始神经网络模型进行训练，获得动作识别模型。
[0029]可选地，所述根据所述四维特征向量利用预设反向传播算法对初始神经网络模型进行训练，获得动作识别模型的步骤包括：
[0030]根据所述四维特征向量利用预设反向传播算法对所述初始神经网络模型进行训练，获得训练模型；
[0031]将所述样本数据和测试数据输入至训练模型中，根据输出结果确定所述输出结果对应的正确率；
[0032]判断所述正确率是否达到预设阈值；
[0033]在所述正确率未达到所述预设阈值时，返回执行所述根据所述四维特征向量利用预设反向传播算法对所述初始神经网络模型进行训练，获得训练模型的步骤，直至所述正确率达到所述预设阈值，并将所述正确率达到所述预设阈值时所对应的训练模型作为动作识别模型。
[0034]可选地，所述在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号的步骤包括：
[0035]在接收到目标行人反馈的多普勒回波信号时，对所述多普勒回波信号进行滤波处理，获得滤波信号；
[0036]根据预设滑窗算法以预设采样率对所述滤波信号进行采样，获得采样信号。
[0037]此外，为实现上述目的，本专利技术还提出一种行人动作识别装置，所述装置包括：
[0038]信号采样模块，用于在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号；
[0039]特征构建模块，用于对所述采样信号进行预处理，根据预处理结果构建所述采样
信号对应的四维特征向量；
[0040]动作识别模块，用于将所述四维特征向量输入至预设动作识别模型，获得所述目标行人的动作特征。
[0041]此外，为实现上述目的，本专利技术还提出一种行人动作识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行人动作识别程序，所述行人动作识别程序配置为实现如上文所述的行人动作识别方法的步骤。
[0042]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有行人动作识别程序，所述行人动作识别程序被处理器执行时实现如上文所述的行人动作识别方法的步骤。
[0043]本专利技术在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号；对所述采样信号进行预处理，根据预处理结果构建所述采样信号对应的四维特征向量；将所述四维特征向量输入至预设动作识别模型，获得所述目标行人的动作特征。相较于现有的多普勒感应雷达难以识别行人简单的动作，本专利技术通过对多普勒回波信号进行采样，获得采样信号，然后经预处理构造特殊的四维特征向量，最后利用预设动作识别模型根据四维特征向量确定目标行人的动作特征，从而仅利用结构简单且无测距功能的多普勒感应雷达就能得到区分目标行人动作的行人动作识别设备，降低了运算资源和成本。
附图说明
[0044]图1是本专利技术实施例方案涉及的硬件运行环境的行人动作识别设备的结构示意图；
[0045]图2为本专利技术行人动作识别方法第一实施例的流程示意图；
[0046]图3为本专利技术行人动作识别方法第二实施例的流程示意图；
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人动作识别方法，其特征在于，所述行人动作识别方法包括：在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号；对所述采样信号进行预处理，根据预处理结果构建所述采样信号对应的四维特征向量；将所述四维特征向量输入至预设动作识别模型，获得所述目标行人的动作特征。2.如权利要求1所述的行人动作识别方法，其特征在于，所述对所述采样信号进行预处理，根据预处理结果构建所述采样信号对应的四维特征向量的步骤包括：对所述采样信号进行预处理，获得所述采样信号对应的预处理数据；根据预设聚类算法对所述预处理数据进行聚类，根据聚类结果将所述预处理数据划分为对应的若干动作类别；根据所述动作类别构建所述采样信号对应的四维特征向量。3.如权利要求2所述的行人动作识别方法，其特征在于，所述对所述采样信号进行预处理，获得所述采样信号对应的预处理数据的步骤包括：根据预设时频特征提取算法对所述采样信号进行特征提取，获得所述采样信号对应的类余弦信号；提取所述类余弦信号中的波峰和波频率；根据所述采样信号对应的采样顺序对所述波峰和所述波频率进行序号标记，获得所述波峰对应的波峰序列和所述波频率对应的波频率序列；所述根据预设聚类算法对所述预处理数据进行聚类，根据聚类结果将所述预处理数据划分为对应的若干动作类别的步骤包括：基于所述波峰序列和所述波频率序列利用预设聚类算法对所述类余弦信号进行聚类，将所述类余弦信号分为对应的若干动作类别。4.如权利要求3所述的行人动作识别方法，其特征在于，所述根据所述动作类别构建所述采样信号对应的四维特征向量的步骤包括：根据所述动作类别提取所述类余弦信号对应的所述波峰序列、所述波频率和所述波频率序列；根据所述波峰序列和所述预设采样率确定所述动作类别对应的时长跨度；根据所述波频率序列确定所述动作类别对应的频率跨度；根据所述波频率确定所述动作类别对应的频率方差；基于所述时长跨度、所述频率跨度、所述频率方差以及所述类余弦信号对应的数量构建四维特征向量。5.如权利要求1所述的行人动作识别方法，其特征在于，所述在接收到目标行人反馈的多普勒回波信号时，根据预设采样率对所述多普勒回波信号进行采样，获得采样信号的步骤之前...
【专利技术属性】
技术研发人员：周企豪，檀聿麟，张宁，张留安，
申请(专利权)人：深圳锐越微技术有限公司，
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。