[发明专利]一种基于无线感知的高可靠用户行为识别方法

说明书

本发明涉及一种基于无线感知的高可靠用户行为识别方法，利用无线感知技术，实时采集人体动作的信道状态信息数据，对数据进行低通滤波，除去高频噪声，增强数据质量，对数据减去静态路径影响，去除强光效应，解决遮挡问题，对数据运用基于主成分分析的去噪方法，降低原发性噪音的影响，通过对时序波形的截取，提取出动作波形，对于提取出的波形进行特征值计算，得到特征向量，并用特征向量对用户动作进行刻画，利用SMO分类方法针对实验用户的六个动作进行识别。基于CSI信息，对每个用户的坐下、坐下后起立、蹲下、蹲下后站起、走路、跑步进行识别，采集一段动作序列数据，利用识别模型，进行动作的精确识别。

技术领域

本发明属于用户行为识别领域，涉及一种基于无线感知的高可靠用户行为识别方法，具体来讲，基于无线感知数据，基于对数据的处理和分析，对用户行为进行识别。

背景技术

目前WiFi设备已广泛存在于人们的日常生活空间之中，具有高普及与低成本等特性，因而大量学者开始研究基于WiFi信号的测量技术，例如室内定位、手势识别等。较早的研究主要是基于Received Signal Strength Indication(RSSI)，即一种粗粒度的信号强度信息。近几年来，Channel State Information(CSI)开始受到人们的重视，作为一种细粒度的WiFi信道状态信息，其描述了信号在发射器和接收器之间的传播状况，同时反映了周围环境对信号的综合影响，比如散射、环境衰弱、距离衰减等。CSI包含多个子载波信息，每一个子载波信息中都包含着信号的衰减和相移等信息，因而对周围物体移动引起的环境变化更加敏感。目前，CSI已被应用于高精度室内定位、人类活动识别和人群数量统计等领域。本发明，提出了一种基于无线感知的高可靠用户行为识别方法。使用商用WiFi设备收集CSI数据，对数据进行降噪处理，提取特征对目标动作进行刻画，识别用户行为。

专利CN201410009445.6公开了一种基于图像深度信息的3D高斯空间人体行为识别方法，该方法利用深度摄像机采集3D深度信息，提取深度信息中的人体骨骼3D坐标并对其进行归一化操作，并且针对各个行为构建兴趣关节群，然后基于高斯距离核对人体动作空间特征进行AP聚类，获得行为特征单词表并对其进行数据清理，构建人体行为条件随机场识别模型，据此实现对人体行为的分类。但是利用摄像机进行实验，会涉及到隐私问题，并且专用设备非常昂贵，不具备普适性；专利CN201410157343.9提出了一种基于无线传感器网络的分布式行为识别方法，该方法收集传感器的采样数据，系统对运算后的采样数据进行训练挖掘，挖掘频繁行为轨迹模式，从而分别生成频繁行为轨迹集和频繁行为状态集，然后对生成的频繁行为轨迹集进行进一步挖掘，获得能够分布式存储在每个传感器上的相关频繁行为识别知识集，在用户进行行为动作时，通过计算，识别用户的行为。但是此方法需要在环境中部署大量的传感器节点，需要专用设备，操作繁琐。

发明内容

要解决的技术问题

为了解决智能家居环境中用户行为识别的问题，本发明提供一种基于无线感知的高可靠用户行为识别方法，该方法利用商用WiFi和笔记本等设备实现感知，提出基于无线感知的高可靠用户行为识别方法。

技术方案

一种基于无线感知的高可靠用户行为识别方法，其特征在于步骤如下：

步骤1：在室内环境中，利用笔记本电脑和WiFi设备，通过人体在设备周围运动对WiFi信号传播产生的影响，采集人体动作的信道状态信息数据；

步骤2：采用巴特沃斯滤波器对信道状态信息数据进行去噪处理；

步骤3：对去噪处理后的数据，取静止状态的一段数据，对其求均值，均值近似于静态路径的直流分量，然后用实际数据减去这个分量，得到去除屏蔽后所要识别目标物体所产生的信号；

步骤4：利用基于主成分分析的去噪方法，将多维度信号进行降维处理，去除第一维信号；