[发明专利]一种基于卷积神经网络的毫米波坐姿检测智慧台灯

说明书

本发明属于毫米波雷达领域，提出了一种基于卷积神经网络的毫米波坐姿检测智慧台灯，通过雷达发射调频连续波信号，经人体目标产生回波信号，对其进行预处理，合成点云数据。利用预先设定的多种姿态下点云数据制作卷积神经网络模型，检测时将采集到的用户点云数据输入至已训练好的卷积神经网络模型中，与模型中的坐姿特征标签匹配，实现坐姿特征的检测。本发明能够长时间并且实时检测用户坐姿特征，具有抗干扰能力强、成本低的优点，也保证了检测时用户的自由度，保护了用户的隐私，能够带给用户良好的使用体验。

技术领域

本申请涉及毫米波雷达领域，特别是一种基于卷积神经网络的毫米波坐姿检测智慧台灯。

背景技术

由于青少年课业负担过重，学习时间越来越长，在学习时采用不正确的坐姿所导致的身体疾病和视力问题也越来越严重与普遍，例如驼背、颈椎病、腰椎肌肉损伤、近视等，都会给青少年带来不同程度的伤害。因此，为保护青少年视力及促进身体健康，对青少年学习时的坐姿进行实时检测是一项重要的研究课题。

随着青少年夜晚学习时间的增加，台灯也成为了不可或缺的学习用品，越来越多的附加功能也出现在了台灯上，除了基本的照明，多功能智慧台灯层出不穷。合理的利用台灯，将坐姿检测与智慧台灯相结合，将是降低身体不适的一大助力。现有智慧台灯的坐姿检测主要通过红外和摄像头实现，检测结果准确性较高，但是成本也较高，易受到环境影响，并且采用摄像头检测可能会侵犯到用户隐私。

基于上述问题，本发明提出一种基于卷积神经网络的毫米波坐姿检测智慧台灯，能够实时检测用户坐姿状态，抗干扰能力强，也保护了用户隐私。

发明内容

本发明的目的在于提出一种基于卷积神经网络的毫米波坐姿检测智慧台灯，将毫米波雷达置于台灯中，利用毫米波雷达获得人体坐姿状态点云数据，通过卷积神经网络提取点云数据特征，进而对坐姿状态作出判断。

实现本发明的技术解决方案为：一种基于卷积神经网络的毫米波坐姿检测方法，包括以下步骤：

步骤一、将毫米波雷达置于台灯中，通过雷达获取人体目标回波信号，对人体目标回波信号进行预处理，将所述人体目标回波信号处理后输入事先训练好的特征提取网络模型，提取出坐姿特征。

步骤二、所述人体目标回波信号，包括：人体目标距离、速度以及角度信息。

步骤三、所述对人体目标回波信号进行预处理具体包括以下步骤：

1)对中频信号执行快速傅立叶变换(FFT)以获取Range曲线；

2)确定目标的距离范围，对目标信号执行多普勒维FFT，获取距离—速度二维FFT频谱图；

3)对目标信号执行角度维FFT，获取距离—角度二维FFT频谱图；

4)将上述的距离—速度二维FFT频谱图和距离—角度二维FFT频谱图合成点云数据；

5)将所述点云数据坐标变换成三维坐标显示。

步骤四、所述获取距离—速度二维FFT频谱图，使用前后相邻帧相减的方法，滤除室内静态目标，获取距离—速度二维FFT频谱图。

步骤五、将多种姿态下三维坐标作为卷积神经网络的输入，进行卷积神经网络训练。

步骤六、所述卷积神经网络训练包括如下步骤：

1)采集多组训练样本，每一组样本包括多个相同坐姿对应的用户姿态特征；

2)所述训练样本组别分别标定对应的标签，用以分类不同的坐姿；

3)将所述训练样本录入至模型进行训练，即生成卷积神经网络模型。