本申请涉及一种身份识别方法。为提供一个更好的步态识别结果，能够减少人体运动检测过程的工作量以及对硬件设施的要求，本发明专利技术采用的技术方案是，包括下述步骤：Ｓ１．对人体红外热释电信号进行采集；Ｓ２．对采集的人体红外热释电信号进行输出放大处理，同时进行滤波处理；Ｓ３．对处理后的人体红外热释电信号进行数据处理，数据处理是小波变换、独立成分分析、Ｋ－Ｍｅａｎｓ聚类算法处理、身份识别。本发明专利技术主要应用于数字信号处理中的线性调频信号参数估计。
【技术实现步骤摘要】
本申请涉及一种身份识别方法，更具体的说，涉及一种。
技术介绍
步态识别是生物特征识别技术中的一个新兴领域。它旨在根据人们的行走姿势实现对个人身份的识别或生理、病理及心理特征的检测，具有广阔的应用前景，成为近年来生物医学信息检测领域备受关注的前沿方向。热释电红外(PIR)传感器探测人体发出的红外辐射，在有效范围内可实现运动人体的检测。由于它的低成本低功耗，在防盗报警及自动照明控制等方面有广泛的应用。行走时的人体红外辐射还含有肢体摆动及步行姿态特征信息，将为步态特征提取与身份识别提供新的来源。 人体有较恒定的体温，一般为37℃，可以看作是一个红外辐射源，会发出10μm左右特定波长的红外线。而个体之间发射的红外线的强度会有区别。热释电红外传感器(Pyroelectric Infrared，PIR)探测人体发出的红外辐射，在有效探测范围内可实现运动人体的检测，在防盗报警及自动照明控制等方面有广泛的应用。热释电红外传感器是一种被动式红外传感器，能够接收人体发射的红外线并将其转换为电信号输出。利用双元传感元件制成的热释电传感器对环境温度的变化、背景辐射和受振动产生的随机噪声都具有良好的补偿作用，使传感器在实际使用中稳定可靠。人体运动时，红外辐射将以唯一的方式影响PIR传感器的输出信号。通过对传感器输出信号的分析，就可能提取出人体运动的特征性数据，实现对不同人、不同运动状态的识别，从而得到一种低成本的人体身份识别系统。
技术实现思路
本专利技术的主旨是提出并实现一个改进的热释电红外传感器探测系统，以及新的算法来处理探测数据，得到一个更好的步态识别结果。本专利技术的另一个主旨是在不影响步态识别效果的前提下，能够减少人体运动检测过程的工作量以及对硬件设施的要求。 为了实现所述目的，本专利技术提出一种，包括下述步骤 S1.对人体红外热释电信号进行采集； S2.对采集的人体红外热释电信号进行输出放大处理，同时进行滤波处理； S3.对处理后的人体红外热释电信号进行数据处理，数据处理是小波变换、独立成分分析、K-Means聚类算法处理、身份识别； K-Means聚类算法处理进一步包括下列步骤 (1)适当选择c个类的初始中心； (2)在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类， (3)利用均值等方法更新该类的中心值， (4)对于所有的c个聚类中心，如果利用K-Means聚类算法处理中步骤(2)、(3)的迭代法更新后，值保持不变，则迭代结束，否则继续迭代； 身份识别细化为下列步骤 将小波变换、独立成分分析所提取出的特征对C个聚类中心求距离，若其与第k聚类中心的距离最小，就将该人体热释电信号归类为第k类，从而识别出身份。 所述小波变换包括下列步骤 对于具有有限能量的信号或平方可积的信号f(t)，其连续小波变换定义为 上式中的符号<x(t)，y(t)>表示两个函数x(t)和y(t)内积，且 其中a，b∈R，a是尺度参数，b是位置参数， 是小波函数，是函数 经过不同的尺度伸缩和平移得到的一系列基函数， 称为母小波； 所述独立成分分析，步骤如下 (1)求第i个人的原始数据矩阵求均值向量μi，i＝1，2，...，C； (2)设第i个人的原始矩阵有Mi个样本数。i＝1，2，...，C； (3)设 为总样本数，并求类内散射矩阵 类间散射矩阵 (4)线性转换矩阵UT为 的特征向量b＝UT(x-μ)。 所述数据处理是傅立叶变换、主成分分析、K-Means聚类算法处理、身份识别； 傅立叶变换包括下列步骤 对于一个长度为N的有限长度数字序列，定义序列的离散傅立叶正变换 n＝0，1，…，N-1 将信号x(n)经过上式计算，得到信号的频谱信息； 主成分分析的步骤如下 (1)对原始数据矩阵进行标准化处理，矩阵中的元素减去所在列的均值，然后除以所在列的标准差，使得每个变量变为均值为0，方差为1，得到矩阵Y Y＝n×p，i＝1，2，…，n，j＝1，2，…，p 其中， (2)对标准化后的矩阵Y求协方差矩阵，Y的每一列对应一个变量的n个量测值，任意两列之间可以计算两变量间的协方差，得到协方差矩阵 其中k＝1，2，…，p，m＝1，2，…，p， 和 分别为Y中第k列和第m列的均值，当k＝m时， (3)特征分解，计算协方差矩阵Z的特征值和特征向量，由式|Z-λI|＝0求出p个特征值并将其按照由大到小排列，λ1≥λ2≥λ3≥…≥λp，特征根对应的特征向量分别为U1，U2，U3，…Up，则协方差矩阵Z为Z＝UΛUT，其中，Λ-Z的特征值按照由大到小所组成的对角阵； (4)确定主成分个数 根据累积贡献率 ηm＝(λ1+λ2+…+λm)/(λ1+λ2+…+λp) 当ηm大于某个阈值(一般要达到70％～80％以上，此处中取80％)时，可认为主成分数目为m。， (5)求主成分得分-新的变量 Fn×m＝Yn×pUp×m F阵的每一行相当于原数据矩阵的所有行，即原始变量构成的向量，在主成分坐标轴，即载荷轴上的投影，这些新的投影构成的向量就是主成分得分向量。 本专利技术具有如下效果以频谱矩阵作为特征进行识别的效果较现有的热释电探测设备已有了很大的提高，在本专利技术采用的新算法ICA与改进后的硬件设施的基础上，识别率有更明显的提高；提供了一种低成本的人体身份识别系统。 附图说明 图1.人体运动数据获取系统框图。 图2.传感器及测试对象行走路线布置图。 图3.热释电传感器RE200B外形。 图4.菲涅尔透镜的聚焦作用。 图5.滤波放大电路。 图6.数据处理流程。 具体实施例方式 下面将结合附图对本专利技术加以详细说明，应指出的是，所描述的实施例仅旨在便于对本专利技术的理解，而对其不起任何限定作用。 本专利技术的一个具体实施例系统如图1所示。PIR传感器选自成熟的市场化产品476型红外移动探头，菲涅耳透镜为WA-1标准透镜，光栅分区为9、5、5、3。数据采集卡为12位精度100kHz采样频率的A/D转换卡，通过USB总线连入计算机。行走的人体经过PIR传感器时，PIR传感器因为热释电效应有微弱的电压输出，经过电压放大，利用数据采集卡进行A/D转换，接入计算机进行数据分析。 测试人行走的路线与传感器安装处的距离D及传感器的安装高度H对测试数据及识别正确率有直接的影响，经过优化比较，此处的测试数据取自D＝3m处，传感器的安装高度H＝1.3m，文中各个参数的表示如图2所示。 热释电红外(Pyroelectric Infrared，PIR)传感器就是利用热释电效应的原理，将红外辐射能转换为电能的一种元件。本实验选用尼赛拉公司生产的RE200B型号的热释电红外传感器，它是双元传感器，由硅窗、敏感材料、高值电阻Rg和场效应管组成。其外形如图3所示. 菲涅尔透镜可以极大的降低成本，典型的应用是用于PIR传感器上。菲涅尔透镜作用有两个一是聚焦作用，即将热释红外信号折射(反射本文档来自技高网...
【技术保护点】
一种基于多角度人体热释电信息探测的身份识别方法，其特征是，包括下述步骤：Ｓ１．对人体红外热释电信号进行采集；Ｓ２．对采集的人体红外热释电信号进行输出放大处理，同时进行滤波处理；Ｓ３．对处理后的人体红外热释电信号进行数据处理，数据处理是小波变换、独立成分分析、Ｋ－Ｍｅａｎｓ聚类算法处理、身份识别；Ｋ－Ｍｅａｎｓ聚类算法处理进一步包括下列步骤：（１）适当选择ｃ个类的初始中心；（２）在第ｋ次迭代中，对任意一个样本，求其到ｃ个中心的距离，将该样本归到距离最短的中心所在的类，（３）利用均值等方法更新该类的中心值，（４）对于所有的ｃ个聚类中心，如果利用Ｋ－Ｍｅａｎｓ聚类算法处理中步骤（２）、（３）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代；身份识别细化为下列步骤：将小波变换、独立成分分析所提取出的特征对Ｃ个聚类中心求距离，若其与第ｋ聚类中心的距离最小，就将该人体热释电信号归类为第ｋ类，从而识别出身份。
【技术特征摘要】
【专利技术属性】
技术研发人员：明东，孟琳，冯莉，白艳茹，綦宏志，万柏坤，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]
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。