[發(fā)明專利]低復(fù)雜度下日常活動分類方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011090199.3
• 申請日: 2020-10-13
• 公開（公告）號: CN112327286B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計）人: 陽召成;賴佳磊;鮑潤晗
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G06F3/01
• 分類號: G06F3/01
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

本發(fā)明實施例公開了一種低復(fù)雜度下日常活動分類方法、裝置、設(shè)備及存儲介質(zhì)，該方法包括：獲取室內(nèi)活動的雷達(dá)時距圖；對所述雷達(dá)時距圖進(jìn)行目標(biāo)檢測和特征提取以獲取運動目標(biāo)；通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對所述運行目標(biāo)進(jìn)行分類獲取所述運動目標(biāo)的運動狀態(tài)。本發(fā)明實施例提供的一種低復(fù)雜度下日常活動分類方法通過使用目標(biāo)檢測、特征提取、輕量級神經(jīng)網(wǎng)絡(luò)的辦法實現(xiàn)了人體活動識別，解決了現(xiàn)有技術(shù)中對于人體活動識別消耗計算資源過大和不具備實時性的問題，實現(xiàn)了在日常活動檢測中低復(fù)雜度、計算需求小的效果。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及目標(biāo)檢測技術(shù)，尤其涉及一種低復(fù)雜度下日常活動分類方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

近年來，隨著智能物聯(lián)網(wǎng)應(yīng)用的飛速發(fā)展，各類基于人體體征的研究成為一大熱點。在日常生活中，人體的各種體征，如人臉信息、虹膜信息、語音信息、手勢信息、動作信息等，都蘊含大量信息，可應(yīng)用于識別、定位、交互等。其中，動作信息是本發(fā)明研究的重點。人體的日常動作能夠在特定場合直觀地傳遞豐富信息，在安防監(jiān)控、醫(yī)療監(jiān)護(hù)、人機(jī)交互等領(lǐng)域中扮演者重要的角色。

在各類傳感器中，雷達(dá)傳感器以其特有的優(yōu)勢得到了廣泛的應(yīng)用。對比其他傳感器，雷達(dá)傳感器有著保護(hù)隱私、全天候工作、不受光線和水霧影響等優(yōu)點。因此，越來越多的研究者采用雷達(dá)對人體進(jìn)行探測識別。雷達(dá)傳感器的工作原理是雷達(dá)主動發(fā)射電磁波，研究者通過分析雷達(dá)回波進(jìn)行識別人體目標(biāo)。

隨著深度學(xué)習(xí)的發(fā)展，各類基于深度學(xué)習(xí)方法的識別技術(shù)也不斷涌現(xiàn)，對于雷達(dá)傳感器而言亦是如此。在樣本充足和計算資源豐富的情況下，基于深度學(xué)習(xí)的方法確實在一定程度上得到了較高的人體活動識別精度。然而，在智能物聯(lián)網(wǎng)應(yīng)用中，這種需要消耗較大的計算資源的方法，并不一定能夠保證實時性的計算結(jié)果。一種解決方法是將數(shù)據(jù)傳輸至云端進(jìn)行算法計算，但是云端計算在傳輸和延時方面是比不上邊緣計算的。因此，提供一種低復(fù)雜度、計算需求小的活動分類方法，在一定程度上能夠完成物聯(lián)網(wǎng)終端邊緣計算的目標(biāo)。

發(fā)明內(nèi)容

本發(fā)明提供一種低復(fù)雜度下日常活動分類方法，以實現(xiàn)在日常活動檢測中低復(fù)雜度、計算需求小的效果。

第一方面，本發(fā)明實施例提供了一種低復(fù)雜度下日常活動分類方法，包括：

獲取室內(nèi)活動的雷達(dá)時距圖；

對所述雷達(dá)時距圖進(jìn)行目標(biāo)檢測和特征提取以獲取運動目標(biāo)；

通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對所述運行目標(biāo)進(jìn)行分類獲取所述運動目標(biāo)的運動狀態(tài)。

可選的，所述對所述雷達(dá)時距圖進(jìn)行目標(biāo)檢測和特征提取以獲取運動目標(biāo)包括：

通過檢測器對所述雷達(dá)時距圖進(jìn)行目標(biāo)檢測以消除雜波和多徑信息；

對所述雷達(dá)時距圖提取微多普勒特征以獲取運動目標(biāo)。

可選的，所述通過檢測器對所述雷達(dá)時距圖進(jìn)行目標(biāo)檢測以消除雜波和多徑信息包括：

對所述雷達(dá)時距圖的每一幀多個距離單元的幅度進(jìn)行排序，求二階導(dǎo)后獲取拐點并將所述拐點對應(yīng)的幅度提取出來；

根據(jù)所述幅度以滑窗的形式統(tǒng)計所述幅度的概率分布，為高斯分布；

對所述雷達(dá)時距圖的每一幀多個距離單元進(jìn)行判斷是否符合條件，若符合條件則為有效距離單元點以消除誤差。

可選的，所述條件包括：

log₁₀(x(n，k))-μ＞Th*σ²

其中，x(n，k)為雷達(dá)時距圖，n為幀序列，k為距離單元序列，Th為預(yù)先設(shè)定門限值，μ為統(tǒng)計的高斯分布的均值，σ²為統(tǒng)計的方差。

可選的，所述對所述雷達(dá)時距圖提取微多普勒特征以獲取運動目標(biāo)包括：