基于微多普勒特征和支持向量机的人体步态识别方法.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CN106250854A(43)申请公布日2016.12.21(21)申请号201610626219.1(22)申请日2016.08.02(71)申请人清华大学地址100084北京市海淀区100084-82信箱(72)发明人李刚杨乐(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人张大威(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书5页附图3页(54)发明名称基于微多普勒特征和支持向量机的人体步态识别方法(57)摘要本发明公开了一种基于微多普勒特征和支持向量机的人体步态识别方法，包括：S1：利用雷达采集人体行进时的姿态数据；S2：利用时频分析工具对所述姿态数据进行分析得到对应的时频图；S3：从所述时频图中提取带宽特征和偏置特征，所述带宽特征表示步态引起的正负微多普勒频率的跨度范围，所述偏置特征表示多普勒正负频率相对于中心频率的偏差，偏置值表征着摆臂的对称性；S4：将所述带宽特征和所述偏置特征输入支持向量机中进行姿态识别，以确定所述姿态数据对应的姿态。本发明具有如下优点：通过雷达采集数据，提取微多普勒特征进行人体步态分类识别的方法，对这步态分类的准确性高。CN106250854ACN106250854A权利要求书1/1页1.一种基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，包括以下步骤：S1：利用雷达采集人体行进时的姿态数据；S2：利用时频分析工具对所述姿态数据进行分析得到对应的时频图；S3：从所述时频图中提取带宽特征和偏置特征，所述带宽特征表示步态引起的正负微多普勒频率的跨度范围，所述偏置特征表示多普勒正负频率相对于中心频率的偏差，偏置值表征着摆臂的对称性；S4：将所述带宽特征和所述偏置特征输入支持向量机中进行姿态识别，以确定所述姿态数据对应的姿态。2.根据权利要求1所述的基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，所述雷达为X波段调频连续波雷达。3.根据权利要求1所述的基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，在步骤S2中，选择短时傅里叶变换通过以下公式作为时频变换的工具：其中，x[n]是离散的时间信号，w[n]是短时傅里叶变换的窗函数，m是窗函数滑动的位置，ω是角频率。4.根据权利要求1所述的基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，步骤S3进一步包括：将最大正微多普勒频率值、最小负微多普勒频率值分别标记为f+max和f-min，人体躯干部分的主多普勒频率标记为f0，带宽的定义为最大正负微多普勒频率之差，记为FB，带宽可用数学公式表示为：FB＝f+max-f-min，表示步态引起的正负微多普勒频率的跨度范围，不同的跨度范围对应于不同的摆臂姿态；将所述偏置特征的定义为最大正微多普勒频率值和最小负微多普勒频率值相对于人体躯干部分的主多普勒频率的偏差，记为FO，所述偏置特征通过以下公式表示：其中，N表示每一次测试时间内的总步数，和分别表示第n步内的最大正微多普勒频率值和最小负微多普勒频率值。5.根据权利要求1所述的基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，在步骤S4中，使用支持向量机决策树算法进行所述姿态识别。6.根据权利要求1所述的基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，在步骤S4之后还包括：通过蒙特卡洛实验验证所述姿态识别的结果。2CN106250854A说明书1/5页基于微多普勒特征和支持向量机的人体步态识别方法技术领域[0001]本发明涉及雷达技术领域和模式识别领域，具体涉及一种基于微多普勒特征和支持向量机的人体步态识别方法。背景技术[0002]人体姿态、步态的识别是一门新兴的技术，并且日益显现其重要性。正确而迅速地识别目标人体的姿态和步态，对于判别目标个体是否友好、判定其威胁等级、提供应对措施的有效依据等具有重要意义，相关需求广泛存在于反恐、安保、监控等领域。[0003]当前已投入实用的实时目标姿态或步态识别系统大多是基于视频监控和图像处理技术的，基于图像的识别系统识别精度受限、识别过程运算量大、受光照等环境因素影响大、判别结果误差大。另外，基于图像的人体步态识别系统不具备全天候全天时工作能力，限制了其应用范围。[0004]雷达是通过发射和接收电磁波进行目标探测和目标特征提取的电子系统。相比于图像获取和处理系统，雷达具备全天候全时段工作能力。除了传统的探测距离功能外，现代雷达普遍具有提取目标更多细节特征的功能。雷达系统通过发射相参脉冲提取运动目标的多普勒信息。近些年来，人们又开始关注目标主体运动速度之外的其它部分运动信息，这些相对于主体的运动反映为微多普勒