[发明专利]低复杂度下日常活动分类方法、装置、设备及存储介质

权利要求书

1.一种低复杂度下日常活动分类方法，其特征在于，包括：

获取室内活动的雷达时距图；

对所述雷达时距图进行目标检测和特征提取以获取运动目标；

通过训练好的神经网络对所述运行目标进行分类获取所述运动目标的运动状态。

2.根据权利要求1中所述的低复杂度下日常活动分类方法，其特征在于，所述对所述雷达时距图进行目标检测和特征提取以获取运动目标包括：

通过检测器对所述雷达时距图进行目标检测以消除杂波和多径信息；

对所述雷达时距图提取微多普勒特征以获取运动目标。

3.根据权利要求2中所述的低复杂度下日常活动分类方法，其特征在于，所述通过检测器对所述雷达时距图进行目标检测以消除杂波和多径信息包括：

对所述雷达时距图的每一帧多个距离单元的幅度进行排序，求二阶导后获取拐点并将所述拐点对应的幅度提取出来；

根据所述幅度以滑窗的形式统计所述幅度的概率分布，为高斯分布；

对所述雷达时距图的每一帧多个距离单元进行判断是否符合条件，若符合条件则为有效距离单元点。

4.根据权利要求3中所述的低复杂度下日常活动分类方法，其特征在于，所述条件包括：

log₁₀(x(n，k))-μ＞Th*σ²

其中，x(n，k)为雷达时距图，n为帧序列，k为距离单元序列，Th为预先设定门限值，μ为统计的高斯分布的均值，σ²为统计的方差。

5.根据权利要求2中所述的低复杂度下日常活动分类方法，其特征在于，所述对所述雷达时距图提取微多普勒特征以获取运动目标包括：

对所述雷达时距图提取微多普勒特征以获取微多普勒谱图；

根据所述微多普勒谱图提取多个特征进行动静粗分类以获取运动目标。

6.根据权利要求5中所述的低复杂度下日常活动分类方法，其特征在于，所述提取多个特征包括：躯干多普勒频率、高频信息量和多普勒能量值。

7.根据权利要求1中所述的低复杂度下日常活动分类方法，其特征在于，所述对所述雷达时距图进行目标检测和特征提取以获取运动目标之后还包括：

通过5-折交叉验证方法训练神经网络模型以获取训练好的神经网络。

8.一种低复杂度下日常活动分类装置，其特征在于，包括：

获取模块，用于获取室内活动的雷达时距图；

提取模块，用于对所述雷达时距图进行目标检测和特征提取以获取运动目标；

分类模块，用于通过训练好的神经网络对所述运行目标进行分类获取所述运动目标的运动状态。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的低复杂度下日常活动分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，其特征在于，该程序指令被处理器执行时实现如权利要求1-7中任一所述的低复杂度下日常活动分类方法。