[发明专利]一种基于商用Wi-Fi的暴力行为检测方法

权利要求书

1.一种基于商用Wi-Fi的暴力行为检测方法，其特征在于，所述方法包括以下步骤：

利用加权移动平均和巴特沃斯带通滤波器对所有的CSI振幅数据进行去噪处理，利用降噪后的数据采取截取窗口的模式捕获动作的开始和结束；

分别提取基于时间序列维度的手动提取的特征和基于计算机视觉维度的自动提取的特征；

基于自动提取的特征将CSI振幅转化为图片，然后用GABOR滤波器提取CSI图片的相关性特征；

采取基于PCA的方法融合相关性特征和手动提取的特征，将融合后的特征输入到带有径向基函数的支持向量机中，进行训练和测试，实现暴力行为的检测；

其中，CSI振幅数据为：在5s内做一个相关动作，从商用Wi-Fi设备采集受试者的CSI信号，动作包括，走路，跑步，跳，坐，蹲，踢，用拳猛击，拍打；每个动作分别让八个志愿者在三个场景中各做100次；

其中，手动提取的特征是1)活动持续时间、2)标准差、3)中位数绝对偏差、4)平均绝对偏差、5)四分位数、6)均值、7)最大值和8)最小值；

其中，相关性特征为：捕获不同子载波的变化模式之间的关系，提供比单独考虑各个子载波更多的信息，多个子载波之间的关系与纹理相似，利用Gabor滤波器提取相关性特征；

其中，基于PCA的方法融合相关性特征和手动提取的特征为：

(1)特征合并：将提取的特征按顺序组合为特征集f＝{f₁,f₂,...,f_α}，对于多个样本的训练集X＝{x₁,x₂,...,x_n}得到n行α列的矩阵F＝{f₁,f₂,...,f_α}，其中f_i为n个不同的训练样本第i维特征值组成的向量，f_i＝{f_i,1,f_i,2,...,f_i,n}^T；

(2)归一化处理：对给定的n个训练样本，对每个特征维度求期望值μ＝{μ₁,μ₂,...,μ_α}和标准差s＝{s₁,s₂,...,s_α}，其中，对每个i∈{1,2,...,α}，有：

然后，按下式进行归一化：

得到归一化后的特征矩阵G＝{g₁,g₂,...,g_α}；

(3)特征变换：将特征矩阵G转换到变换域上，得到不同维度间维度较小且按照各列方差降序排列的矩阵H＝F·A，H为n行α列，则特征f转换为主成分h＝{h₁,h₂,...,h_α}；

(4)降维：将H的前d维主成分共n行d列的矩阵作为得到的特征。

2.根据权利要求1所述的一种基于商用Wi-Fi的暴力行为检测方法，其特征在于，所述利用降噪后的数据采取截取窗口的模式捕获动作的开始和结束具体为：

采用动态阈值来记录噪声级别，并采用数移动平均来更新噪声级别L_t：L_t＝(1-τ)L_t-1+τ×var_t

其中，τ为系数；var_t表示在第二个主成分中第t个滑动窗口的数据方差；

若在某个滑动窗口中，var_t大于4倍的噪声级别L_t，则动作开始点将被检测；相反，当var_t在连续多个滑动窗口中总是小于4倍的噪声级别L_t时，动作结束点也将被检测。