[发明专利]一种基于RFID设备的三维睡姿检测方法

说明书

本发明公开了一种基于RFID设备的三维睡姿检测方法：步骤1：部署RFID标签阵列，进行数据收集；同步收集点云数据；步骤2：数据分割和剔除：利用多个时间窗口对步骤1收集到的RFID数据进行分割，统计每个时间窗口的标签阵列信号波动大小来剔除睡眠翻身的数据；步骤3：数据预处理；步骤4：进行数据增强；步骤5：搭建卷积神经网络模型，并进行数据特征提取，进行训练后得到训练好的卷积神经网络模型，将待测试的数据输入模型得到三维睡姿。本发明克服了现有的无线信号不能实现细粒度的三维睡姿的缺陷，和无线信号易受干扰导致的不稳定。

技术领域

本发明属于无线信号三维姿势感知技术领域，涉及一种基于RFID设备的三维睡姿检测方法。

背景技术

在睡眠健康监测中，睡眠姿势对睡眠质量、身体健康、疾病检测和辅助治疗等都有着重要的意义和影响。现有的睡姿监测方法大多专注于睡姿分类，如仰卧、俯卧、侧卧等。然而，单一的睡姿分类缺乏睡眠中更为丰富的肢体姿势信息。事实上，身体、腿部、手臂和头部等身体关键部位的三维位置信息不仅是实现舒适睡眠，更是疾病诊断的重要因素。三维睡姿从多角度展现了睡眠姿态全息图，可识别出更自然、真实的睡姿，同时为长期睡眠监测和疾病诊断提供丰富的信息，具有很强的现实意义和实用价值。

现有的无线感知睡姿检测只能提供较粗粒度的姿势分类，由于低频无线设备的分辨率的限制，无法提供较细粒度得到人体关节三维定位。例如，将Wi-Fi、FMCW、RFID等无线设备部署在床周围，通过分析不同睡姿所产生的无线信号特征变化，包括信号接收强度RSS、信道状态信息CSI、相位等，来进行睡姿监测。然而，上述方法都专注于识别睡姿分类或判断身体朝向，无法进行三维睡姿准确识别。同时无线信号容易受外界环境的干扰，不易实现稳定和鲁棒性。

此外，也有一些工作使用无线信号的反射原理来推断人体骨骼的可行性。例如，将WIFI、RF信号、毫米波等设备部署在人的周围，通过捕捉人体动作下对信号的反射作用提取三维姿势。然而，这样的方法依赖于人的行走和移动来获得良好的准确性。相比之下，人在睡眠时的姿势大部分时间时保持静止的，所以这些方法不适用于静态的三维睡姿。

发明内容

本发明的目的是提供一种基于RFID设备的三维睡姿检测方法，以解决现有技术中存在的无法进行三维睡姿准确识别以及无法适用于静态的三维睡姿识别的技术问题。

为了达到上述目的，本发明所采用的技术方案是：

一种基于RFID设备的三维睡姿检测方法，具体包含以下步骤：

步骤1：部署RFID标签阵列，进行数据收集；同步收集点云数据；

步骤2：数据分割和剔除：利用多个时间窗口对步骤1收集到的RFID数据进行分割，统计每个时间窗口的标签阵列信号波动大小来剔除睡眠翻身的数据；

步骤3：数据预处理，对步骤2得到的每个时间窗口下的数据进行RF图像转换和预处理；将得到的数据分为训练集和测试集；

步骤4：对步骤3得到的训练集中的rssi矩阵、相位矩阵和二值化矩阵进行数据增强，得到增强后的训练集；

步骤5：搭建卷积神经网络模型，并对步骤3和步骤4得到的数据进行数据特征提取，进行训练后得到训练好的卷积神经网络模型，将待测试的数据输入模型得到三维睡姿。

进一步的，所述步骤1的操作如下：部署一个28*21大小的RFID标签阵列，将RFID标签阵列铺在床垫上，使用天线置于床的上方，天线和标签阵列的距离为1.6m～2.3m；同时使用Kinect V2收集同步的点云信息，标记三维睡姿。

进一步的，所述步骤2包括如下子步骤：

步骤2.1：数据分割：对步骤1所收集到的RFID数据以3s一个时间窗口进行分割，每个时间窗口中的数据表示为：