一种雷达点云的数据增强方法技术

本发明专利技术涉及基于雷达的人体行为监测设备领域，且公开了一种雷达点云的数据增强方法，包括以下步骤：第一步：速度向量和能量向量分别进行z

【技术实现步骤摘要】
一种雷达点云的数据增强方法


[0001]本专利技术涉及基于雷达的人体行为监测设备领域，具体为一种雷达点云的数据增强方法。

技术介绍

[0002]目前市场上针对居家环境下人体异常行为报警的产品种类繁多且逐渐成熟，非接触式传感器，尤其是以毫米波雷达技术为主导的研究也逐渐展兴起，但在实际应用场景中，经常受到洗衣机、风扇、坏掉的排风等设备影响，雷达波在碰到物体后会产生回波，FMCW雷达的回波中包含了速度、方向、能量等信息，此信息被称为雷达点云。如果可以去除洗衣机、风扇等设备产生的点云信息，则可更加有效的识别人体异常行为；
[0003]原始点云信息较为稀疏，尤其在雷达探测边缘区域，容易发生误报和漏报。其他雷达摔倒侦测竞品因直接使用原始点云进行摔倒判断，导致其探测准确度大幅降低；
[0004]而且，卫生间内常见的洗衣机、风吹湿浴帘等常见物品和设备会产生难以区分的噪音。
[0005]综上，在实际应用场景中，经常受到洗衣机、风扇、坏掉的排风等设备影响，导致误报和漏报的情况发生，为此我们提出了一种雷达点云的数据增强方法。

技术实现思路

[0006](一)解决的技术问题
[0007]针对现有技术的不足，本专利技术提供了一种雷达点云的数据增强方法，解决了上述的问题。
[0008](二)技术方案
[0009]为实现上述所述目的，本专利技术提供如下技术方案：一种雷达点云的数据增强方法，包括以下步骤：
[0010]第一步：速度向量和能量向量分别进行z
‑
score标准化，得到三个标准化的矩阵xd、yd以及zd；
[0011]第二步：对点云数据增强，得到加强后的点云信息xzd和yzd即；
[0012]第三步：对矩阵xzd和yzd分别沿d轴求取5个特征向量，随后标记数据，保存数据集，训练SVM模型，作为最终的数据增强模型。
[0013]优选的，所述第一步包括以下内容：
[0014]S1：将最新帧点云，对速度向量和能量向量分别进行z
‑
score标准化；
[0015]S2：对速度向量和能量向量相乘，得到最终向量z；
[0016]S3：对向量z进行z
‑
score标准化；
[0017]S4：对向量z进行缓冲，从而得到矩阵d；
[0018]S5：得到三个标准化的矩阵，即xd,yd,zd。
[0019]优选的，所述第二步的具体内容为：
[0020]S1：合并xd和zd、yd和zd；
[0021]S3：分别遍历xzd和yzd矩阵，如发现两个点云间隔小于5，则在两点间插值；
[0022]S4:分别求出xzd和yzd矩阵的均值，再分别遍历xzd和yzd中的所有元素，除以其平均值，再写回矩阵xzd和yzd：
[0023]S5：矩阵xzd和yzd即是加强后的点云信息。
[0024]优选的，所述S3中所插值为两点的平均值。
[0025]优选的，所述第三步中的5个特征向量为平均数、方差、偏度、峰度以及偏锋值。
[0026]优选的，所述偏锋值为(偏度+峰度)/峰峰值。
[0027]优选的，所述第三步中标记数据为“人体行为”、“环境噪音”、“无人”。
[0028](三)有益效果
[0029]与现有技术相比，本专利技术提供了一种雷达点云的数据增强方法，具备以下有益效果：
[0030]1、该雷达点云的数据增强方法，可以自适应用户环境、主动增强人体点云，并过滤环境噪音的数据，能够减少在实际应用场景中，受到洗衣机、风扇、坏掉的排风等设备影响，造成误报和漏报的情况发生。
附图说明
[0031]图1为原始点云信息示意图；
[0032]图2为增强后的点云信息示意图；
[0033]图3为位置漂移的点云噪音示意图；
[0034]图4为对噪音加入噪音标识示意图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]请参阅图1
‑
4，一种雷达点云的数据增强方法，包括以下步骤：
[0037]第一步：点云信息标准化：以下步骤均按照XYZ三个维度，分别进行标准化；
[0038]S1：将最新帧点云，对速度向量(s)和能量向量(e)分别进行z
‑
score标准化；
[0039]S2：向量s和向量e相乘，得到最终向量z；
[0040]S3：对向量z进行z
‑
score标准化；
[0041]S4：对向量z进行缓冲，从而得到矩阵d；
[0042]S5：经过上述步骤，得到三个标准化的矩阵，即xd,yd,zd。
[0043]第二步：点云数据增强方法；
[0044]S1：xd和zd合并得到xzd，yd和zd合并得到yzd；
[0045]S3：合并方法：例如合并xd向量和zd向量，先取v＝xd[t]+zd[t],矩阵xzd[x][z]的赋值为v；
[0046]S3：分别遍历xzd和yzd矩阵，如发现两个点云间隔小于5，则在两点间插值。所插值
为两点的平均值；
[0047]S4:分别求出xzd和yzd矩阵的均值，再分别遍历xzd和yzd中的所有元素，除以其平均值，再写回矩阵xzd和yzd：
[0048]S5:此时,矩阵xzd和yzd即是加强后的点云信息。
[0049]第三步：噪音数据滤波方式：
[0050]S1：对于矩阵xzd和yzd分别沿d轴求取5个特征向量；
[0051]1.平均数；
[0052]2.方差；
[0053]3.偏度；
[0054]4.峰度；
[0055]5.偏锋值：(偏度+峰度)/峰峰值
[0056]S2：标记数据为“人体行为”、“环境噪音”、“无人”；
[0057]S3：保存数据特征数据集；
[0058]S4：训练SVM模型，作为最终的数据增强模型。
[0059]参阅图2，数据增强的副作用是导致洗衣机等环境噪音也得到了加强，同时提出噪音过滤的方法，去除环境噪音是数据增强方法的关键部分；
[0060]参阅图3，洗衣机在工作时，产生位置漂移的点云噪音，会干扰算法的精准识别；
[0061]参阅图4，识别出常见设备产生的噪音，并对噪音加入噪音标识(空心化显示)。
[0062]尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达点云的数据增强方法，其特征在于，包括以下步骤：第一步：速度向量和能量向量分别进行z
‑
score标准化，得到三个标准化的矩阵xd、yd以及zd；第二步：对点云数据增强，得到加强后的点云信息xzd和yzd即；第三步：对矩阵xzd和yzd分别沿d轴求取5个特征向量，随后标记数据，保存数据集，训练SVM模型，作为最终的数据增强模型。2.根据权利要求1所述的一种雷达点云的数据增强方法，其特征在于：所述第一步包括以下内容：S1：将最新帧点云，对速度向量和能量向量分别进行z
‑
score标准化；S2：对速度向量和能量向量相乘，得到最终向量z；S3：对向量z进行z
‑
score标准化；S4：对向量z进行缓冲，从而得到矩阵d；S5：得到三个标准化的矩阵，即xd,yd,zd。3.根据权利要求1所述的一种雷达点...

【专利技术属性】
技术研发人员：李龙，朱世涛，朱楠，涂彩钢，
申请(专利权)人：上海镭达晶元智能科技有限公司，
类型：发明
国别省市：