[发明专利]一种基于k最近邻及微多普勒特征的人体动作识别方法

摘要

本发明涉及一种基于k最近邻及微多普勒特征的人体动作识别方法，包括下列步骤：1)构建雷达时频图像数据库；2)微多普勒特征提取：a)躯干的多普勒频率；b)总多普勒信号带宽；c)总多普勒偏移量；d)躯干多普勒信号带宽；e)肢体运动周期。3)利用雷达时频图像进行人体动作识别。

主权项

1.一种基于k最近邻及微多普勒特征的人体动作识别方法，包括下列步骤：1)构建雷达时频图像数据库；利用人体动作捕捉数据集MOCAP作为测量数据并建立人体三维模型应用于仿真，经过时频变换得到人体目标雷达回波的时频分布图，即雷达时频图像，由此建立雷达时频图像数据库，并选取训练集和测试集2)微多普勒特征提取：对训练集和测试集的时频图像分别提取特征，先在时频图像上对微多普勒信息的上、中、下包络进行提取,分别为最大频率U(t)、最小频率L(t)和中心频率C(t)，在此基础上来提取一段时间的相关特征参量，时频图像中的不同颜色代表不同的回波强度，图像的灰度值信息反映回波信号的强度信息，利用图像灰度的百分位数值法得到关于速度和时间的灰度分布，经过对分布函数的阈值设定获取包络，最终提取的每个特征向量包含的特征参量有如下5种：a)躯干的多普勒频率，它依赖于人体不同的动作，且对应着人体运动的速度，表现为回波信号中最强的回波部分，在彩色的时频图像中显示为红色的峰值信号信息，以峰值信号的平均功率作为躯干的多普勒频率特征参量；b)总多普勒信号带宽，它来自人体手臂和腿部的摆动，和四肢动作的速度相关，以上包络的最大频率和下包络的最小频率之间的平均差异作为总多普勒的带宽；c)总多普勒偏移量，它和人肢体的动作匀称性有关，衡量肢体前后动作的不对称性，以上包络的平均最大频率和下包络的平均最小频率的均值指定偏移位置；d)躯干多普勒信号带宽，它不包含人体动作产生的多普勒信息，只与人体产生动作时的躯干摆动有关，以上包络的最小频率和下包络的最大频率的平均差异作为躯干微多普勒信号带宽；e)肢体运动周期，它表征人体产生动作时包括手臂和腿部在内的肢体的摇摆频率，通过包络上相邻两个峰值所对应的时间差来获取此特征参量3)利用雷达时频图像进行人体动作识别：从包含图片名称和标签信息的文本文件中提取出多张图对应的人体动作标签号，并与相应的特征向量一起输入KNN分类器进行训练：首先将一定数量的正确分类的样本作为标准参考样本，计算待测样本在特征空间中与所有标准参考样本的距离，选取一个k值作为测试样本在特定特征空间中最接近的标准参考样本个数；最后判断k个标准参考样本中有最大样本数量的类别，以此类别作为待测样本通过此KNN模型得到的分类结果；根据多次实验确定所取k值以达到最好的分类效果；将测试集的分类结果和其标签进行对比计算，得出分类精度并分析其效果。