[发明专利]一种基于无线网络的人体姿态识别方法在审

专利信息
申请号: 202110765854.9 申请日: 2021-06-30
公开(公告)号: CN113408476A 公开(公告)日: 2021-09-17
发明(设计)人: 何东之;郭隆杭 申请(专利权)人: 北京工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 北京思海天达知识产权代理有限公司 11203 代理人: 刘萍
地址: 100124 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 无线网络 人体 姿态 识别 方法
【说明书】:

发明涉及一种基于无线网络的人体姿态识别方法。由于传感器佩带繁琐,摄像头容易受到光照、障碍物、监控死角及隐私泄露等问题的影响,故而本文提出一种基于片段姿态特征值(Channel State Information‑Segment Posture Eigenvalue,CSI‑SPE)的人体姿态识别的有效补充技术。该方法通过WIFI路由设备采集人体的姿态信息(跑、跳、坐、站、上下楼梯),采用巴特沃斯滤波器和Hampel算法进行去噪和异常值的处理,再构建片段姿态特征值,然后传入支持向量机(Support Vector Machine,SVM)中进行识别,经实验证明,基于CSI‑SPE的方法综合识别精度为98%,实验结果表明CSI‑SPE方法具有较高的鲁棒性和识别精度。

技术领域:

本发明属于无线网络、人体姿态识别或机器学习领域。

背景技术:

目前,我国人体姿态识别相关的课题研究已经越来越贴近于日常生活,人体姿态识别的研究成果广泛应用于动作识别、人机交互和服装解析等领域。在现有的人体姿态识别研究中,文献[1]设计了基于WLAN的人员感知与入侵检测系统,利用了不同CSI相位矩阵的相似性差异,但此种使用特征值突变量的方法存在易受周围环境影响而不稳定的缺陷。文献[2]通过提取CSI幅度和相位的相关矩阵的最大和次大特征值来构成四维的特征向量,但识别率是否会随着特征向量的增加而有所提高还有待验证。文献[3]提出提取不同姿态对应的子载波特征方差,进而采用SRC算法对人体行为进行分类,但该方法的稳定性差,在人体活动不剧烈的情况下检测效果不理想。文献[4]为降低成本而省去了数据预处理的过程,其提取原始CSI数据的幅度的均值和方差作为特征,采用SVM进行人员感知,然而原始CSI数据中存在干扰信息,因此该方法的效果不理想。目前在人体姿态识别存在的问题和挑战为:

(1)随着人们对动作识别的要求不断提高,如何实现低成本、细颗粒度和高精度的要求。

(2)在室内环境中,如何降低多径效应以及如何处理WIFI信号中带来的各种环境噪声,处理复杂的应用环境。

发明内容

1、本发明需要且能够解决的技术问题:

本发明提供一种基于无线网络的人体姿态识别方法,能够克服环境噪声的影响,对比其他识别方法具有特征提取简单且特征识别率准确明显的优点,颗粒度细,能够降低多径效应,进而提高人体姿态识别的准确度,使得人体姿态估计效率更高、成本更低。

2、本发明具体的技术方案:

1.采集原始数据

2.对采集到的原始数据集进行矩阵变换。

3.对矩阵变换后数据集进行清洗和处理。

4.对清洗和处理后的数据集进行特征提取。

5.对提取的特征进行人体姿态识别,得到姿态识别结果。

一种基于无线网络的人体姿态识别方法,其特征在于:

1)采集原始数据集:

(2)对采集到的原始数据集进行矩阵变换;

通过MATLAB软件提取子载波,其中data_f,data_s,data_t代表第一根天线、第二根天线、第三根天线的子载波数据;

F(x)=xT (1)

其中x代表传入的子载波数据,T代表转置,将data_f,data_s,data_t传入进行矩阵转置;将转置之后得到的三组数据进行扁平化降维处理成(1,n)维度的数据,其中n代表数据的列数;然后通过numpy库的stack函数,将其拼接成(3,n)矩阵,其中n代表数据的列数;的,将用户编号,用户姿态,时间戳拼接到矩阵中,构建成(6,n),然后运用公式1,构建出原始数据集(r,6),其中r为行数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110765854.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top