基于双通道卷积神经网络的人体身份识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112433207A(43)申请公布日2021.03.02(21)申请号202011231854.2G06N3/08(2006.01)(22)申请日2020.11.06(71)申请人浙江理工大学地址310018浙江省杭州市下沙高教园区2号大街928号(72)发明人王洪雁左佳永周贺杨晓汪祖民(74)专利代理机构大连智高专利事务所(特殊普通合伙)21235代理人毕进(51)Int.Cl.G01S13/58(2006.01)G01S7/41(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书6页说明书14页附图5页(54)发明名称基于双通道卷积神经网络的人体身份识别方法(57)摘要基于双通道卷积神经网络的人体身份识别方法，属于目标识别领域，为了解决传统基于整体或局部微多普勒特征的人体身份识别算法识别准确率较低的问题，首先，基于Boulic模型构建符合实际场景的人体体态及姿态模型；其次，基于所构建体态及姿态模型估计人体各部位空间位置；而后，基于雷达方程构造人体运动雷达回波模型以获取人体运动微多普勒信息；再次，将微多普勒图变换为梅尔倒谱图以增强全局微多普勒特征，基于分量分离方法去除躯干强反射以增强局部肢体微多普勒特征；最后将增强全局及局部特征经DC‑CNN深度融合以实现有效人体身份识别，实验结果表明，与现有主流识别方法相比，所提方法可有效提升人体身份识别准确率。CN112433207ACN112433207A权利要求书1/6页1.一种基于双通道卷积神经网络的人体身份识别方法，其特征在于，该方法包括如下步骤：步骤1：构建人体运动模型；步骤2：人体回波建模；步骤3：增强时频图像构建；步骤4：实现人体身份识别的DC-CNN设计。2.如权利要求1所述的基于双通道卷积神经网络的人体身份识别方法，其特征在于，步骤1包括：(1)人体体态建模令a、b、c分别为三维直角坐标系中椭球体在X′、Y′、Z′方向上半长轴长度,其中，a、b表示椭球体胖瘦，c为椭球体长度，基于此椭球体模型，通过调整身高、肢体比例和椭球体半长轴大小，模拟不同体态；(2)人体运动姿态建模运动姿态取决于运动方程中表征运动的幅度及相位参数，调整参数β以改变垂直平移，即：其中，Tv为垂直平移，av＝0.015VR为垂直平移函数，VR为基于腿长归一化给定行走速度，tR为步态周期；调整参数λ以改变前后向平移，即：其中，Tr为前后平移，aF为与速度相关的常数，为时间相关常数；调整参数μ以改变横向平移，即：其中，Th为横向平移，a1＝-0.032；人体运动可视为躯干、腿以及手臂三部分周期运动的叠加，且由各自频率、幅度和相位参数决定，运动方程由频率、幅度和相位表示，构建运动矢量方程如下：其中，⊙表示点积，分别为手臂、腿及躯干的垂直平移频率，分别为手臂、腿及躯干前后平移频率，分别为手臂、腿及躯干横向平移频率；分别为手臂、腿及躯干垂直方向的相位，分别为手臂、腿及躯干前后方向的相位，分别为手臂、腿及躯干横向方向的相位；根据以上方程同时调整幅度和相位，关节挠曲度调整如下：调整参数α以改变肩部摆动，即：2CN112433207A权利要求书2/6页RO＝3-αarcos(2πtR)(7)其中，RO为肩部摆动，ar＝9.88VR；调整挠曲角度最大值，其对应控制点坐标为y2，由此得：其中，C1、C2、C3为不同条件下肘部挠曲最大角度对应控制参数。3.如权利要求2所述的基于双通道卷积神经网络的人体身份识别方法，其特征在于，步骤2包括：人体回波建模(1)部件空间位置描述人体由多个大小不等的椭球体模拟，人体沿X轴向雷达发射方向运动，为获得各运动部位细节，计算各部件的运动姿态，其中，雷达坐标系为(X,Y,Z)，原点为O；静止状态下人体相对于雷达的相对坐标系为(X′,Y′,Z′)，原点为O′，方位角及俯仰角分别为α、β；所用人体模型具有17个参考点，第i个部件，与其相邻的参考点分别为前端点p和后端点p′；描述第i个部件在时刻t的局部坐标系为(Xi,t,Yi,t,Zi,t)，原点为Oi,t，方位角及俯仰角分别为αi、βi；t时刻第i个部件的方向向量由坐标系(X′,Y′,Z′)中前端点和后端点方向向量确定：当t＝1,i＝1时，人体脊柱基点即根骨点后端点位置向量为：其中，为根骨点方向向量，为(X1,1,Y1,1,Z1,1)与(X′,Y′,Z′)的坐标变换矩阵，L1为部件长度，由此，当t＝1,i＞1时，其他部件端点位置向量及表示为：其中，为参考坐标系中第ni,j个根骨的方向向量，j∈[1,Ji]，Ji为第i个部件的根骨数，方向向量表示为：其中，为t＝1第ni,j个部件的坐标系到第ni,j-1个部件的坐标系的旋转矩阵