欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023108116645
申请人: 南昌大学
专利类型:发明专利
专利状态:未下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种人体姿态识别方法,其特征在于,所述方法包括:

获取毫米波雷达实时采集到的通道中频信号,并对所述通道中频信号进行预处理,以获取到对应的多普勒‑距离‑时间数据和多普勒时间图;

根据所述多普勒时间图计算出对应的人体运动特征,并根据所述人体运动特征拟合出对应的运动特征曲线;

检测出所述运动特征曲线中包含的若干波峰点以及波谷点,并根据若干所述波峰点以及所述波谷点确定出数据分割的起始点以及终止点;

根据所述起始点以及所述终止点对所述的多普勒‑距离‑时间数据进行分割处理,以获取到单个人体动作对应的目标多普勒距离数据;

将所述目标多普勒距离数据输入至预设人体姿态识别模型中,以识别出所述目标多普勒距离数据对应的目标人体动作。

2.根据权利要求1所述的人体姿态识别方法,其特征在于:所述对所述通道中频信号进行预处理,以获取到对应的多普勒‑距离‑时间数据和多普勒时间图的步骤包括:对所述毫米波雷达实时采集到的多通道中频信号进行均值处理,以生成对应的单通道中频信号,所述单通道中频信号包括若干信号周期;

对每一所述信号周期进行一维快速傅里叶变换处理,以生成对应的距离特征矩阵;

基于时间维度对所述距离特征矩阵进行快速傅里叶变换处理,以生成不同时间下的多普勒‑距离矩阵,并基于多普勒‑距离和时间的对应关系,将所述多普勒‑距离矩阵排列成对应的所述多普勒‑距离‑时间数据;

对预设时间内的距离特征矩阵进行短时傅里叶变换处理,以生成所述多普勒时间图,所述多普勒时间图包括多普勒维度,所述多普勒维度表示运动目标的多普勒频移。

3.根据权利要求2所述的人体姿态识别方法,其特征在于:所述根据所述多普勒时间图计算出对应的人体运动特征的步骤包括:通过第一预设算法将所述多普勒频移转换成对应的速度,并将所述多普勒时间图转换为对应的R、G、B彩色三通道值,每一通道值均量化为0‑255并进行归一化处理;

在每一所述通道值中,将大于预设阈值的速度对应的多普勒强度值设置为0,并将等于所述预设阈值的速度对应的多普勒强度值设置为0;

若三个所述通道值对应的多普勒强度值均为0,则所述多普勒时间图中包含的多普勒‑时间数据对应的像素位置强度为0;

若三个所述通道值对应的多普勒强度值不均为0,则所述多普勒时间图中包含的多普勒‑时间数据对应的像素位置强度不变,以完成对所述多普勒‑时间数据的量化去噪处理,所述第一预设算法的表达式为:其中,fd表示所述多普勒频移,C表示光速,f表示雷达发射载频。

4.根据权利要求3所述的人体姿态识别方法,其特征在于:所述完成对所述多普勒‑时间数据的量化去噪处理的步骤之后,所述方法还包括:选取一目标规格的方形矩阵,并将所述方形矩阵平移至量化去噪处理后的多普勒‑时间数据中的每个像素单元中;

实时判断每一所述像素单元中的矩阵内的非0值的数量是否大于200;

若是,则保留当前像素单元,若否,则去除当前像素单元,以完成对量化去噪处理后的多普勒‑时间数据的图像腐蚀处理;

通过第二预设算法根据图像腐蚀处理后的多普勒‑时间数据计算出所述人体运动特征。

5.根据权利要求4所述的人体姿态识别方法,其特征在于:所述通过第二预设算法根据图像辐射处理后的多普勒‑时间数据计算出所述人体运动特征的步骤包括:提取出所述多普勒‑时间数据中包含的多普勒‑时间矩阵,并检测出所述多普勒‑时间矩阵中包含的行向量位置以及列向量位置,所述行向量位置表示时间序列,所述列向量位置对应不同的速度,所述多普勒‑时间矩阵的值表示能量强度;

通过第二预设算法将所述速度与所述能量强度进行相乘处理,以获取到若干对应的乘积值,并将若干所述乘积值按照时间维度进行累加处理,以计算出所述人体运动特征,所述第二预设算法的表达式为:其中,Vij表示在第i行,第j列处对应的速度,Eij表示第i行,第j列处对应的能量强度。

6.根据权利要求5所述的人体姿态识别方法,其特征在于:所述根据所述人体运动特征拟合出对应的运动特征曲线的步骤包括:获取若干所述人体运动特征,并将若干所述人体运动特征设于同一坐标系中,所述坐标系为二维坐标系;

通过第三预设算法对若干所述人体运动特征进行线性拟合处理,以生成所述运动特征曲线,所述第三预设算法的表达式为:其中,H(f j)表示所述运动特征曲线,H(j)表示所述人体运动特征,p表示拟合系数,k表示拟合的阶数。

7.根据权利要求6所述的人体姿态识别方法,其特征在于:所述检测出所述运动特征曲线中包含的若干波峰点以及波谷点的步骤包括:逐一检测出所述运动特征曲线中包含的若干极值点,并实时判断每一所述极值点左右两侧的局部值是否大于所述极值点对应的目标值;

若实时判断到所述极值点左右两侧的局部值大于所述极值点对应的目标值,则判定当前所述极值点为波谷点;

若实时判断到所述极值点左右两侧的局部值小于所述极值点对应的目标值,则判定当前所述极值点为波峰点。

8.一种人体姿态识别系统,其特征在于,所述系统包括:

获取模块,用于获取毫米波雷达实时采集到的通道中频信号,并对所述通道中频信号进行预处理,以获取到对应的多普勒‑距离‑时间数据和多普勒时间图;

拟合模块,用于根据所述多普勒时间图计算出对应的人体运动特征,并根据所述人体运动特征拟合出对应的运动特征曲线;

检测模块,用于检测出所述运动特征曲线中包含的若干波峰点以及波谷点,并根据若干所述波峰点以及所述波谷点确定出数据分割的起始点以及终止点;

分割模块,用于根据所述起始点以及所述终止点对所述的多普勒‑距离‑时间数据进行分割处理,以获取到单个人体动作对应的目标多普勒距离数据;

识别模块,用于将所述目标多普勒距离数据输入至预设人体姿态识别模型中,以识别出所述目标多普勒距离数据对应的目标人体动作。

9.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的人体姿态识别方法。

10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任意一项所述的人体姿态识别方法。