[发明专利]一种基于激光雷达和RFID的人体行为识别方法

权利要求书

1.一种基于激光雷达和RFID的人体行为识别方法，其特征在于：所述方法包括如下步骤：

步骤1：使用激光雷达LiDAR和RFID标签采集人的站、坐、蹲、走、躺五种行为的点云数据，并将点云数据转为图像，制作静态人体行为识别数据集；用该数据集对基于EfficientNetB0微调的卷积神经网络进行训练，得到用于静态人体行为识别的神经网络的最优权重；

步骤2：使用激光雷达LiDAR和RFID标签采集人的五种日常行为之间的五类转换方式：站与坐、坐与躺、站与走、坐与蹲、蹲与站的点云数据，并将点云转为图像，制作动态人体行为识别数据集；用该数据集对基于EfficientNetB0微调的卷积神经网络进行训练，得到用于动态人体行为识别的神经网络的最优权重；

步骤3：对神经网络训练结束后，根据静态或者动态的人体行为识别需求，获取对应帧长的LiDAR点云数据和RFID的ID和相位信息，然后静态人体行为识别需求进入步骤4，动态人体行为识别需求进入步骤5；

步骤4：对于静态人体行为识别时，将点云转化为图像数据后，使用神经网络进行分类预测；同时获取RFID的ID以判定LiDAR视场内人的ID；当预测的概率大于设置的阈值时，认为本次行为识别的结果可靠，本次行为识别流程结束；当预测的概率小于设置的阈值时，进入步骤6；

步骤5：对于动态人体行为识别时，将点云转化为图像数据后，使用神经网络进行分类预测，同时获取RFID的ID和相位信息以判定视场内人的ID，并且对动态人体行为识别进行辅助分类；将RFID相位解缠，使其失去周期性变化的规律；当神经网络预测的概率大于设定的阈值0.80时，系统认为本次行为识别的结果是可靠的，并结合RFID解缠后的相位变化趋势对动态人体行为进行细分，本次行为识别流程结束；当预测的概率小于设置的阈值时，进入步骤6；

步骤6：若本次行为识别的预测概率小于阈值，继续获取下一帧数据，循环步骤3，直至一次行为识别流程结束。

2.根据权利要求1所述的一种基于激光雷达和RFID的人体行为识别方法，其特征在于：步骤1和步骤2中，EfficientNetB0网络中使用5标签的SoftMax分类器。

3.根据权利要求1所述的一种基于激光雷达和RFID的人体行为识别方法，其特征在于：步骤1中，以一帧50ms采集人的站、坐、蹲、走、躺五种行为的点云数据，每个行为类别采集1000次。

4.根据权利要求1所述的一种基于激光雷达和RFID的人体行为识别方法，其特征在于：步骤2中，以一帧1.5s采集人的五种日常行为之间的五类转换方式：站与坐、坐与躺、站与走、坐与蹲、蹲与站的点云数据，每个行为类别采集1000次。

5.根据权利要求1所述的一种基于激光雷达和RFID的人体行为识别方法，其特征在于：步骤1中，按照9：1：1的比例将静态人体行为识别数据集分为训练集、验证集和测试集，然后对卷积神经网络进行训练以及验证和测试。