[发明专利]一种基于无线射频信号的细粒度人体姿态估计方法

说明书

本发明公开的一种基于无线射频信号的细粒度人体姿态估计方法，利用天线的无线发射端建立WiFi场，当用户在WiFi覆盖区内行走或做出某种动作时，会对WiFi信道产生特定的影响，无线接收端接收WiFi信号并计算人体姿态的CSI值，使用与WiFi天线对准的时间戳同步相机来捕获人物视频，根据CSI值和视频训练深度学习网络，利用训练好的深度学习网络估计人体姿态，从而实现利用WiFi设备来进行多人的人体辨识与姿态估计，能够在实现较高识别准确度的同时满足方便性、易用性与安全性，且不需要用户携带任何特殊设备，不会记录用户的隐私生活，具有方便易部署，安全性高的特点。

技术领域

本发明涉及人体姿态感知技术领域，具体地涉及一种基于无线射频信号的细粒度人体姿态估计方法。

背景技术

目前随着科学技术的发展以及人们生活水平的提高，智能家居理念与虚拟现实技术得到了迅速的发展。在视频监控、人机交互、运动分析和虚拟现实等计算机视觉领域的众多应用场合中，人体都是主要的被处理对象，对人体动作和行为的识别都是一个必不可少的环节，有着迫切的应用需求，已经成为计算机视觉领域中一个非常热门的研究方向。人体姿态估计是从单张RGB图像或视频中获取人体骨点位置以及骨点之间的相互连接，最终输出人体全部或局部肢体相关参数(各个关节点的相对位置关系)的过程，例如人体轮廓、头部的位置与朝向、人体关节的位置和部位类别等。人体姿态估计在智能监控、人机交互以及手势识别等领域有着广阔的应用前景。

为了进行像人体分割和姿势估计这一类细粒度的人体感知，目前主要使用了三大类传感器：摄像头，雷达和激光雷达。这些传感器可以在2D图像，深度图或3D点云中直接捕获具有高空间分辨率的人体。例如，300*300像素的摄像机，深度分辨率约为2厘米的雷达，或32波束的激光雷达。

基于摄像头进行人体分割和姿态估计的方法，可以在2D图像中直接捕获具有高空间分辨率的人体。但是，也受到了许多限制，例如，服装、背景、照明和遮挡等技术挑战以及诸如隐私问题等社会限制。

基于雷达传感器进行人体分割和姿态估计的方法，可以在深度图中直接捕获具有高空间分辨率的人体。但是，需要专用的硬件，例如，使用频率调制连续波(FMCW)技术，宽带宽(1.78GHz)，精心组装和同步的16+4T形天线阵列。

基于高清晰度的激光雷达传感器进行人体分割和姿态估计的方法，可以在3D点云中直接捕获具有高空间分辨率的人体。但是，激光雷达非常昂贵并且耗电，因此难以在日常生活和家庭环境中大规模使用。

发明内容

针对现有技术中存在的问题，本发明提供一种基于无线射频信号的细粒度人体姿态估计方法，利用普通的商用WiFi，通过分析信道状态信息的不同变化模式来识别人体姿态变化，进行细粒度的人体感知，能够在实现较高识别准确度，同时满足方便性与安全性的。

本发明是通过以下技术方案来实现：一种基于无线射频信号的细粒度人体感知方法，包括以下步骤：

1)系统部署及模型初始化：采用无线发射端和无线接收端建立波形稳定的WiFi场，同时在无线发射端设置与无线发射端时间戳对准的同步相机。

2)人体状态数据采集：探测目标在步骤1建立的WiFi场中活动，无线接收端接收穿过探测目标的WiFi信号，以及在探测目标或周围物体上反射和折射的WiFi信号，根据无线接收端接收的WiFi信号计算得到人体活动的信道状态信息CSI值，同时，时间戳同步相机获取人体活动的视频帧的画面，完成数据的收集。

3)数据集建立：根据信道状态信息CSI值和所有视频帧的画面建立训练数据集，根据时间区间将CSI与视频帧均匀对应，构成训练数据集。

4)网络建立：构建深度学习网络，根据训练数据集对深度学习网络进行训练，得到训练好的深度学习网络。

5)人体感知：将信道状态信息CSI值放入训练好的深度学习网络，得到人体活动感知结果。