【技术实现步骤摘要】
本专利技术是关于一种基于人体高度和位置的行为识别方法、系统及设备，涉及智能感知及人体行为识别领域。
技术介绍
1、人体行为识别技术通过识别人体行为，使得计算机为用户提供主动针对性的服务，正在安防监测、智能家居、健康监测等领域发挥着重要的作用。尤其是对离床入床检测、跌倒等行为的准确快速识别，对保障老年人的独居健康生活及时报警意外情况至关重要。现有技术以摄像头、可穿戴设备、wi-fi、声波、lora作为感知模态的行为识别方法中，基于fmcw或uwb雷达的感知工作受到了格外关注。雷达设备对光照变化和环境噪声不敏感，也不直接记录视觉信息，可以很好地保护用户隐私，实现对用户7*24小时的全天候监测服务。这些优势也使得在医院病房、卫生间、卧室等用户私密场所部署雷达感知设备具备优势并成为首选。
2、目前基于雷达的人体行为识别方法主要是利用人体活动时产生的距离变化和多普勒频率调制现象，将经过信号处理后的距离-时间谱、距离-多普勒谱、时间-微多普勒谱或人体点云，送入机器学习模型(例如：svm)或深度神经网络中，得到行为识别结果。然而这些方法或模型存在两个方面的问题：一方面，这些方法需要大量的训练数据，数据标注费时费力，模型的环境泛化能力弱；另一方面，这些模型缺少将人体在房间中所在位置和人体高度变化显式地计算出来，并与人体行为相关联和利用。
3、实际中人体的位置与高度和人体行为密切相关，是许多行为的主要物理量表征。例如对于离床检测，当人体位置从床的区域逐渐远离，那么意味着离床行为的发生；当人体位置移动到床的区域，并伴随高度的
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种能够结合人体的位置和高度信息，提高人体行为识别准确率的基于人体高度和位置的行为识别方法、系统及设备。
2、为了实现上述专利技术目的，本专利技术采用的技术方案为：
3、第一方面，本专利技术提供一种基于人体高度和位置的行为识别方法，包括：
4、将雷达感知设备接收到的反射信号进行预处理转变为距离-时间-天线对的信号形式，并分割得到各帧数据；
5、基于每帧数据判断人体动静状态，当人体为动时计算人体点云；
6、将人体点云坐标从雷达坐标系转换至世界坐标系；
7、根据感知房间平面布局图和应用需求，将感知房间从物理空间上划分为若干人体活动功能区域；
8、基于人体点云提取人体高度和人体位置信息，并通过人体位置判断人体当前所处的人体活动功能区域；
9、综合人体位置、高度和人体所处的人体活动功能区域进行人体行为识别。
10、进一步地，将雷达感知设备接收到的反射信号进行预处理转变为距离-时间-天线对的信号形式，并分割得到各帧数据，包括：
11、将雷达感知设备接收到的fmcw或uwb两种信号均表示为s(m,n,q)，m为快时间单元，表示信号的距离域，n为慢时间维度，包含目标的多普勒频率信息，q为天线对；
12、对于每一个天线对q，将慢时间维度n划分为若干不重叠的处理区间，将分割后的每一段信号称为一帧。
13、进一步地，基于每帧数据判断人体动静状态，当人体为动时计算人体点云，包括：
14、对每一帧数据利用距离-多普勒谱进行当前对应时刻人体的动静状态判断；
15、在雷达坐标系中进行人体点云计算，包括：当判定人体为动后，对距离-多普勒谱执行二维cfar检测，得到某给定恒虚警概率下的若干目标待选点；对目标待选点使用聚类算法将具有待选点最多的类别留下，作为n个人体目标点，n个目标点组成了当前时刻雷达坐标系下人体的点云；对每一个人体目标点，将每个天线对的rd谱中目标点对应的同一位置选出，组成多天线信号序列。
16、进一步地，使用two dimensional digital beamforming联合估计方法搜索并估计出人体目标点的水平角θ和俯仰角第i个目标点在雷达坐标系下的三维坐标为d为该目标点与雷达的径向距离。
17、进一步地，将人体点云坐标从雷达坐标系转换至世界坐标系，包括：
18、根据已知的雷达安装位置和倾斜角度信息，构造雷达坐标系向世界坐标系转换的旋转矩阵r和偏移向量t，则对于第i个目标点转换后在世界坐标系中的坐标(xi,yi,zi)与(x′i,y′i,z′i)有关系：
19、
20、进一步地，基于坐标转换后的人体点云提取人体高度和人体位置信息，包括：
21、将人体点云进行去噪处理；
22、通过去噪后的人体点云提取人体高度和位置信息，包括：
23、人体高度其中，zi为人体点云i的高度值，m为选取的点云数量；
24、人体位置的二维坐标为：
25、
26、式中，n′为去噪后的人体点云数量，xi和yi为人体点云i的二维投影坐标。
27、进一步地，基于人体点云提取人体高度和人体位置信息，并通过人体位置判断人体当前所处的人体活动功能区域，包括：
28、每个人体活动功能区域以及区域边界在世界坐标系下的二维平面坐标信息均进行计算得到，人体位置在各个时刻组成了位置序列，对于当前时刻t人体所在的人体活动功能区域，通过一定大小k个时刻的时间窗口滑动截取人体位置序列[p(t-k+1),p(t-k+2),…,p(t)]，序列中的每一个点都落在某个或多个功能区域内，将整个序列落点最多的功能区作为当前时刻人体所处的人体活动功能区域。
29、进一步地，当需要对离床检测、入床检测、跌倒三种人体行识别时，过程包括：
30、对于离床检测，当检测到当前时刻人体活动功能区域从床的区域切换到其它区域，则认为离床行为发生；
31、对于入床检测，当人体所在人体活动功能区域切换到床区，且伴随着高度的明显下降，则认为入床行为发生；
32、对于跌倒行为，当人体当前高度低于所在的人体活动功能区域规定的人体跌倒高度阈值一段时间后，则识别到跌倒行为。
33、第二方面，本专利技术还提供一种基于人体高度和位置的行为识别系统，该系统包括：
34、数据采集预处理单元，被配置为将雷达感知设备接收到的反射信号进行预处理转变为距离-时间-天线对的信号形式，并分割得到各帧数据；
35、人体点云获取单元，被配置为基于每帧数据判断人体动静状态，当人体为动时计算人体点云；
36、坐标系转换单元，被配置为将人体点云坐标从雷达坐标系转换至世界坐标系；
37、活动功能区域定义单元，被配置为根据感知房间平面布局图和应用需求，将感知房间从物理空间上划分为若干人体本文档来自技高网...
【技术保护点】
1.一种基于人体高度和位置的行为识别方法，其特征在于包括：
2.根据权利要求1所述的基于人体高度和位置的行为识别方法，其特征在于，将雷达感知设备接收到的反射信号进行预处理转变为距离-时间-天线对的信号形式，并分割得到各帧数据，包括：
3.根据权利要求2所述的基于人体高度和位置的行为识别方法，其特征在于，基于每帧数据判断人体动静状态，并计算人体点云，包括：
4.根据权利要求3所述的基于人体高度和位置的行为识别方法，其特征在于，使用TwoDimensional Digital Beamforming联合估计方法搜索并估计出人体目标点的水平角θ和俯仰角第i个目标点在雷达坐标系下的三维坐标为d为该目标点与雷达的径向距离。
5.根据权利要求4所述的基于人体高度和位置的行为识别方法，其特征在于，将人体点云坐标从雷达坐标系转换至世界坐标系，包括：
6.根据权利要求1所述的基于人体高度和位置的行为识别方法，其特征在于，基于坐标转换后的人体点云提取人体高度和人体位置信息，包括：
7.根据权利要求1所述的基于人体高度和位置的行为
8.根据权利要求1～7任一项所述的基于人体高度和位置的行为识别方法，其特征在于，当需要对离床检测、入床检测、跌倒三种人体行识别时，过程包括：
9.一种基于人体高度和位置的行为识别系统，其特征在于，该系统包括：
10.一种电子设备，其特征在于，包括计算机程序指令，其中，所述程序指令被处理器执行时用于实现权利要求1～8任一项所述的基于人体高度和位置的行为识别方法。
...【技术特征摘要】
1.一种基于人体高度和位置的行为识别方法，其特征在于包括：
2.根据权利要求1所述的基于人体高度和位置的行为识别方法，其特征在于，将雷达感知设备接收到的反射信号进行预处理转变为距离-时间-天线对的信号形式，并分割得到各帧数据，包括：
3.根据权利要求2所述的基于人体高度和位置的行为识别方法，其特征在于，基于每帧数据判断人体动静状态，并计算人体点云，包括：
4.根据权利要求3所述的基于人体高度和位置的行为识别方法，其特征在于，使用twodimensional digital beamforming联合估计方法搜索并估计出人体目标点的水平角θ和俯仰角第i个目标点在雷达坐标系下的三维坐标为d为该目标点与雷达的径向距离。
5.根据权利要求4所述的基于人体高度和位置的行为识别方法，其特征在于，将人体点云坐标从...
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。