[发明专利]基于神经网络的毫米波雷达人体动作实时检测方法

说明书

本发明公开了一种基于神经网络的毫米波雷达人体动作实时检测方法，用于检测人体目标的实时动作，包括步骤S1：通过毫米波雷达信号获得目标的包括速度、角度和距离的数据信息，并且将获得的速度和距离的数据信息做傅里叶变换，以生成距离和速度频谱图，从而作为第一目标特征；步骤S2：根据距离和速度频谱，提取毫米波雷达信号获得的空间坐标点云信息，以作为第二目标特征。本发明公开的一种基于神经网络的毫米波雷达人体动作实时检测方法，通过残差神经网络架构对雷达的距离速度和点云信息进行直接分类识别，能有效的解决相关问题。

技术领域

本发明属于毫米波雷达检测技术领域，具体涉及一种基于神经网络的毫米波雷达人体动作实时检测方法。

背景技术

随着物联网技术的快速发展，毫米波雷达在物体探测识别任务中得到广泛应用。发展远程健康监护系统可以有效地缓解人口老龄化的压力。在智能家居、医疗等领域，毫米波雷达对老年人或者残疾人的生命体态准确监测，有着重要的应用价值。这其中的技术要求毫米波雷达能够精准的识别出人处在何种状态之下。传统的监测方法依赖于摄像头等传感器，然而摄像头涉及隐私并不适用于很多居家场景下的监测。毫米波雷达作为无线感知的设备与其他设备相比，具有无接触、不泄露隐私、不受光线影响、远距离、精度和分辨率更高的特点，因此毫米波雷达传感器有着更为广泛的应用价值。

现有的毫米波雷达对人体动作识别的算法是基于微多普勒(Micro-Doppler)特征进行识别。具体流程为用雷达采集到物体的速度信息，然后作短时间傅里叶变换(STFT)提取其微多普勒特征，最后设置阈值进行二分类判断。现有方法的缺点为：

1、难以实现多分类识别，比如人体3种及以上的动作。

2、算法的误报率非常高、准确度低。

3、缺乏时效性，由于对采集的数据提取微多普勒特征需要做一定时间窗口的傅里叶变换，此过程将耗损一部分时间，从而降低实时监测的时效性。

因此，针对上述问题，予以进一步改进。

发明内容

本发明的主要目的在于提供基于神经网络的毫米波雷达人体动作实时检测方法，通过残差神经网络架构对雷达的距离速度和点云信息进行直接分类识别，能有效的解决背景技术中的问题。

为达到以上目的，本发明提供一种基于神经网络的毫米波雷达人体动作实时检测方法，用于检测人体目标的实时动作，包括以下步骤：

步骤S1：通过毫米波雷达信号获得目标的包括速度、角度和距离的数据信息，并且将获得的速度和距离的数据信息做傅里叶变换，以生成距离和速度频谱图，从而作为第一目标特征；

步骤S2：根据距离和速度频谱，提取毫米波雷达信号获得的空间坐标点云信息，以作为第二目标特征；

步骤S3：将第一目标特征和第二目标特征进行融合并且输入到残差卷积神经网络模型，以进行人体动作的识别分类判断。

作为上述技术方案的进一步优选的技术方案，步骤S1具体实施为以下步骤：

步骤S1.1：通过毫米波雷达的频率调制连续波信号，并且距离与速度的关系通过以下公式体现：

其中，c为电磁波在空气中的传播速度，R是物体(人体)与毫米波雷达之间的距离，v是相对速度，τ是传播时间，并且R和V为：

步骤S1.2：通过以下公式将获得的速度和距离的数据信息做傅里叶变换：