本發(fā)明涉及雷達(dá)
技術(shù)領(lǐng)域：
和模式識(shí)別領(lǐng)域，具體涉及一種基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法。
背景技術(shù)：
：人體姿態(tài)、步態(tài)的識(shí)別是一門新興的技術(shù)，并且日益顯現(xiàn)其重要性。正確而迅速地識(shí)別目標(biāo)人體的姿態(tài)和步態(tài)，對(duì)于判別目標(biāo)個(gè)體是否友好、判定其威脅等級(jí)、提供應(yīng)對(duì)措施的有效依據(jù)等具有重要意義，相關(guān)需求廣泛存在于反恐、安保、監(jiān)控等領(lǐng)域。當(dāng)前已投入實(shí)用的實(shí)時(shí)目標(biāo)姿態(tài)或步態(tài)識(shí)別系統(tǒng)大多是基于視頻監(jiān)控和圖像處理技術(shù)的，基于圖像的識(shí)別系統(tǒng)識(shí)別精度受限、識(shí)別過(guò)程運(yùn)算量大、受光照等環(huán)境因素影響大、判別結(jié)果誤差大。另外，基于圖像的人體步態(tài)識(shí)別系統(tǒng)不具備全天候全天時(shí)工作能力，限制了其應(yīng)用范圍。雷達(dá)是通過(guò)發(fā)射和接收電磁波進(jìn)行目標(biāo)探測(cè)和目標(biāo)特征提取的電子系統(tǒng)。相比于圖像獲取和處理系統(tǒng)，雷達(dá)具備全天候全時(shí)段工作能力。除了傳統(tǒng)的探測(cè)距離功能外，現(xiàn)代雷達(dá)普遍具有提取目標(biāo)更多細(xì)節(jié)特征的功能。雷達(dá)系統(tǒng)通過(guò)發(fā)射相參脈沖提取運(yùn)動(dòng)目標(biāo)的多普勒信息。近些年來(lái)，人們又開(kāi)始關(guān)注目標(biāo)主體運(yùn)動(dòng)速度之外的其它部分運(yùn)動(dòng)信息，這些相對(duì)于主體的運(yùn)動(dòng)反映為微多普勒信息。微多普勒是由目標(biāo)各部分相對(duì)主體運(yùn)動(dòng)引起的多普勒效應(yīng)，可表征目標(biāo)豐富的狀態(tài)信息，主要是目標(biāo)內(nèi)部相對(duì)運(yùn)動(dòng)。通過(guò)提取微多普勒的特征，可以對(duì)目標(biāo)個(gè)體的運(yùn)動(dòng)狀態(tài)進(jìn)行精細(xì)判讀和識(shí)別。在特定的環(huán)境下，人體的運(yùn)動(dòng)狀態(tài)能夠代表豐富的信息，比如行進(jìn)中的人是否擺臂、單臂擺動(dòng)或雙臂擺動(dòng)，代表著目標(biāo)個(gè)體是否攜帶包裹、單手?jǐn)y帶包裹或雙手?jǐn)y帶包裹等信息。由于包裹中可能含有武器、爆炸物等，所以若能遠(yuǎn)程識(shí)別人體的擺臂狀態(tài)，則可對(duì)目標(biāo)狀態(tài)進(jìn)行識(shí)別，進(jìn)而可以有效判定目標(biāo)的威脅等級(jí)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明旨在至少解決上述技術(shù)問(wèn)題之一。為此，本發(fā)明的目的在于提出一種可提高識(shí)別準(zhǔn)確率的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法。為了實(shí)現(xiàn)上述目的，本發(fā)明的實(shí)施例公開(kāi)了一種基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法，包括以下步驟：S1：利用雷達(dá)采集人體行進(jìn)時(shí)的姿態(tài)數(shù)據(jù)；S2：利用時(shí)頻分析工具對(duì)所述姿態(tài)數(shù)據(jù)進(jìn)行分析得到對(duì)應(yīng)的時(shí)頻圖；S3：從所述時(shí)頻圖中提取帶寬特征和偏置特征，所述帶寬特征表示步態(tài)引起的正負(fù)微多普勒頻率的跨度范圍，所述偏置特征表示多普勒正負(fù)頻率相對(duì)于中心頻率的偏差，偏置值表征著擺臂的對(duì)稱性；S4：將所述帶寬特征和所述偏置特征輸入支持向量機(jī)中進(jìn)行姿態(tài)識(shí)別，以確定所述姿態(tài)數(shù)據(jù)對(duì)應(yīng)的姿態(tài)。根據(jù)本發(fā)明實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法，通過(guò)雷達(dá)采集數(shù)據(jù)，提取微多普勒特征進(jìn)行人體步態(tài)分類識(shí)別的方法，對(duì)這步態(tài)分類的準(zhǔn)確性高。另外，根據(jù)本發(fā)明上述實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法，還可以具有如下附加的技術(shù)特征：進(jìn)一步地，所述雷達(dá)為X波段調(diào)頻連續(xù)波雷達(dá)。進(jìn)一步地，在步驟S2中，選擇短時(shí)傅里葉變換通過(guò)以下公式作為時(shí)頻變換的工具：STFT{x[n]}(m,ω)≡X(m,ω)≡Σn=-∞+∞x[n]w[n-m]e-jωn]]>其中，x[n]是離散的時(shí)間信號(hào)，w[n]是短時(shí)傅里葉變換的窗函數(shù)，m是窗函數(shù)滑動(dòng)的位置，ω是角頻率。進(jìn)一步地，步驟S3進(jìn)一步包括：將最大正微多普勒頻率值、最小負(fù)微多普勒頻率值分別標(biāo)記為f+max和f-min，人體軀干部分的主多普勒頻率標(biāo)記為f0，帶寬的定義為最大正負(fù)微多普勒頻率之差，記為FB，帶寬可用數(shù)學(xué)公式表示為：FB＝f+max-f-min，表示步態(tài)引起的正負(fù)微多普勒頻率的跨度范圍，不同的跨度范圍對(duì)應(yīng)于不同的擺臂姿態(tài)；將所述偏置特征的定義為最大正微多普勒頻率值和最小負(fù)微多普勒頻率值相對(duì)于人體軀干部分的主多普勒頻率的偏差，記為FO，所述偏置特征通過(guò)以下公式表示：FO=1NΣn=1N[(f+(n)-f0)-(f0-f-(n))]=1NΣn=1N(f+(n)+f-(n)-2f0)]]>其中，N表示每一次測(cè)試時(shí)間內(nèi)的總步數(shù)，和分別表示第n步內(nèi)的最大正微多普勒頻率值和最小負(fù)微多普勒頻率值。進(jìn)一步地，在步驟S4中，使用支持向量機(jī)決策樹(shù)算法進(jìn)行所述姿態(tài)識(shí)別。進(jìn)一步地，在步驟S4之后還包括：通過(guò)蒙特卡洛實(shí)驗(yàn)驗(yàn)證所述姿態(tài)識(shí)別的結(jié)果。本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。附圖說(shuō)明本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：圖1是本發(fā)明實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法的流程圖；圖2是本發(fā)明一個(gè)實(shí)施例的試驗(yàn)場(chǎng)景設(shè)置圖；圖3是本發(fā)明一個(gè)實(shí)施例的行進(jìn)過(guò)程中擺雙臂情況時(shí)頻分布圖；圖4是本發(fā)明一個(gè)實(shí)施例的行進(jìn)過(guò)程中擺單臂情況時(shí)頻分布圖；圖5是本發(fā)明一個(gè)實(shí)施例的行進(jìn)過(guò)程中不擺臂情況時(shí)頻分布圖。具體實(shí)施方式下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。在本發(fā)明的描述中，需要理解的是，術(shù)語(yǔ)“中心”、“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語(yǔ)“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性。在本發(fā)明的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過(guò)中間媒介間接相連，可以是兩個(gè)元件內(nèi)部的連通。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。參照下面的描述和附圖，將清楚本發(fā)明的實(shí)施例的這些和其他方面。在這些描述和附圖中，具體公開(kāi)了本發(fā)明的實(shí)施例中的一些特定實(shí)施方式，來(lái)表示實(shí)施本發(fā)明的實(shí)施例的原理的一些方式，但是應(yīng)當(dāng)理解，本發(fā)明的實(shí)施例的范圍不受此限制。相反，本發(fā)明的實(shí)施例包括落入所附加權(quán)利要求書(shū)的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。以下結(jié)合附圖描述根據(jù)本發(fā)明實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法。圖1是本發(fā)明實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法的流程圖。如圖1所示，一種基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法，包括以下步驟：S1：利用雷達(dá)采集人體行進(jìn)時(shí)的姿態(tài)數(shù)據(jù)。具體地，如圖2所示設(shè)置人體步態(tài)識(shí)別實(shí)驗(yàn)場(chǎng)景。在本發(fā)明的一個(gè)示例中，選擇行進(jìn)中的三種不同姿態(tài)作為代表動(dòng)作，測(cè)試者在距離雷達(dá)10米距離處正對(duì)著雷達(dá)行進(jìn)。實(shí)驗(yàn)中，測(cè)試者每組姿態(tài)各采集50組實(shí)驗(yàn)，每次實(shí)驗(yàn)時(shí)間設(shè)置為8秒。在本發(fā)明的一個(gè)實(shí)施例中，雷達(dá)為X波段調(diào)頻連續(xù)波雷達(dá)，中心頻率為9.8GHz，帶寬為400MHz。調(diào)頻連續(xù)波雷達(dá)的優(yōu)點(diǎn)在于其精度高、功率低、不存在距離盲點(diǎn)、便于攜帶，因此非常適合在本實(shí)驗(yàn)中采集數(shù)據(jù)。S2：利用時(shí)頻分析工具對(duì)姿態(tài)數(shù)據(jù)進(jìn)行分析得到對(duì)應(yīng)的時(shí)頻圖。具體地，運(yùn)用時(shí)頻分析工具對(duì)步驟一種雷達(dá)采集到的每組時(shí)域數(shù)據(jù)都進(jìn)行分析，得到每組動(dòng)作的時(shí)頻圖。本發(fā)明里選擇短時(shí)傅里葉變換(STFT)作為時(shí)頻變換的工具，具體可表示為；STFT{x[n]}(m,ω)≡X(m,ω)≡Σn=-∞+∞x[n]w[n-m]e-jωn]]>其中，x[n]是離散的時(shí)間信號(hào)，w[n]是短時(shí)傅里葉變換的窗函數(shù)，m是窗函數(shù)滑動(dòng)的位置，ω是角頻率。因此STFT的結(jié)果實(shí)際上就是信號(hào)在時(shí)間和頻率平面上的分布，即時(shí)頻圖。從圖3、圖4、圖5中可以清晰地看到這些時(shí)頻圖中不僅包括有人體行進(jìn)過(guò)程中的軀體主多普勒信息，還包括這個(gè)過(guò)程中手臂和腿部擺動(dòng)引起的微多普勒信息，這些信息都能被清晰地觀測(cè)出并被提取出來(lái)應(yīng)用于后續(xù)工作中。S3：從時(shí)頻圖中提取帶寬特征和偏置特征，帶寬特征表示步態(tài)引起的正負(fù)微多普勒頻率的跨度范圍，偏置特征表示多普勒正負(fù)頻率相對(duì)于中心頻率的偏差，偏置值表征著擺臂的對(duì)稱性。具體地，從步驟S2得到的時(shí)頻圖中提取特征，本發(fā)明的實(shí)施例選擇帶寬和偏置作為特征進(jìn)行提取。從圖3、圖4、圖5中可以看出，每種步態(tài)對(duì)應(yīng)的最大正微多普勒頻率值、最小負(fù)微多普勒頻率值和人體軀干部分的主多普勒頻率值從時(shí)頻圖中很容易被提取出來(lái)。將最大正微多普勒頻率值、最小負(fù)微多普勒頻率值分別標(biāo)記為f+max和f-min，人體軀干部分的主多普勒頻率標(biāo)記為f0。帶寬的定義為最大正負(fù)微多普勒頻率之差，記為FB，則帶寬可用數(shù)學(xué)公式表示為：FB＝f+max-f-min，表示這幾類步態(tài)引起的正負(fù)微多普勒頻率的跨度范圍，不同的跨度范圍對(duì)應(yīng)于不同的擺臂姿態(tài)；偏置的定義為最大正微多普勒頻率值和最小負(fù)微多普勒頻率值相對(duì)于人體軀干部分的主多普勒頻率的偏差，記為FO，則偏置可表示為：FO=1NΣn=1N[(f+(n)-f0)-(f0-f-(n))]=1NΣn=1N(f+(n)+f-(n)-2f0)]]>其中，N表示每一次測(cè)試時(shí)間內(nèi)的總步數(shù)，和分別表示第n步內(nèi)的最大正微多普勒頻率值和最小負(fù)微多普勒頻率值。因此偏置也可以表示多普勒正負(fù)頻率相對(duì)于中心頻率的偏差，偏置值表征著擺臂的對(duì)稱性。本發(fā)明的實(shí)施例中，行進(jìn)過(guò)程中擺雙臂由于只有兩支胳膊同時(shí)在擺動(dòng)，因此每一步中能同時(shí)達(dá)到最大正微多普勒值和最小負(fù)微多普勒值，并且其達(dá)到的最大正微多普勒頻率值和最小負(fù)微多普勒頻率值相對(duì)于行進(jìn)過(guò)程中不擺臂這種步態(tài)是較大的，因此這種步態(tài)下帶寬值較大，偏置值也較大；行進(jìn)過(guò)程中擺單臂由于只有一支胳膊在擺動(dòng)，因此每一步中只能達(dá)到最大正微多普勒值或者最小負(fù)微多普勒值，但是其達(dá)到的最大正微多普勒頻率值和最小負(fù)微多普勒頻率值與行進(jìn)過(guò)程中擺雙臂時(shí)是同樣數(shù)量級(jí)，因此這種步態(tài)下帶寬值較大，偏置值也較大；行進(jìn)過(guò)程中不擺臂這種步態(tài)由于沒(méi)有雙臂運(yùn)動(dòng)，因此時(shí)頻圖中最大正微多普勒頻率值、最小負(fù)微多普勒頻率值的絕對(duì)值比較小，則這種步態(tài)下帶寬值較小，偏置值也較小。S4：將帶寬特征和偏置特征輸入支持向量機(jī)中進(jìn)行姿態(tài)識(shí)別，以確定姿態(tài)數(shù)據(jù)對(duì)應(yīng)的姿態(tài)。具體地，，將步驟S3提取出的兩個(gè)特征作為輸入送到支持向量機(jī)中進(jìn)行分類識(shí)別。在本發(fā)明的實(shí)施例中訓(xùn)練樣本和測(cè)試樣本是從總樣本中隨機(jī)選取的，一部分作為訓(xùn)練樣本，其余的全部作為測(cè)試樣本，并且做100次蒙特卡洛實(shí)驗(yàn)驗(yàn)證分類識(shí)別結(jié)果。由于支持向量機(jī)只能分兩類目標(biāo)，在本發(fā)明中有三類步態(tài)需要識(shí)別，因此選用支持向量機(jī)決策樹(shù)算法進(jìn)行分類識(shí)別?；诙鏄?shù)的支持向量機(jī)多類分類算法是先將所有類別分成兩個(gè)子類，再將子類進(jìn)一步劃分為兩個(gè)次級(jí)子類，如此循環(huán)下去，直到所有的節(jié)點(diǎn)都只包含一個(gè)單獨(dú)的類別為止。該方法將原來(lái)的多類問(wèn)題同樣分解成了一系列的兩類分類問(wèn)題，其中兩個(gè)子類間的分類函數(shù)通過(guò)支持向量機(jī)方法訓(xùn)練獲取。由于實(shí)驗(yàn)中每種步態(tài)的樣本都為50組，屬于小樣本數(shù)據(jù)，因此本實(shí)驗(yàn)采用交叉驗(yàn)證的方法進(jìn)行測(cè)試。分別選擇相對(duì)于總樣本數(shù)的10％、20％、30％的數(shù)據(jù)樣本作為訓(xùn)練樣本訓(xùn)練分類器，其余為測(cè)試樣本測(cè)試分類器分類結(jié)果。將行進(jìn)過(guò)程中擺雙臂、行進(jìn)過(guò)程中擺單臂和行進(jìn)過(guò)程中不擺臂這三種步態(tài)分別記為步態(tài)1、步態(tài)2和步態(tài)3，100次蒙特卡洛實(shí)驗(yàn)結(jié)果后的平均值如表1、表2和表3所示：表1：訓(xùn)練樣本/總樣本＝10％的分類正確/錯(cuò)誤率步態(tài)1步態(tài)2步態(tài)3步態(tài)188.80％5.84％5.36％步態(tài)210.20％82.48％7.32％步態(tài)30.40％4.52％95.08％表2：訓(xùn)練樣本/總樣本＝20％的分類正確/錯(cuò)誤率步態(tài)1步態(tài)2步態(tài)3步態(tài)188.84％5.60％5.56％步態(tài)210.76％83.88％5.36％步態(tài)30.40％4.04％95.56％表3：訓(xùn)練樣本/總樣本＝30％的分類正確/錯(cuò)誤率步態(tài)1步態(tài)2步態(tài)3步態(tài)189.08％4.96％5.96％步態(tài)210.12％84.52％5.36％步態(tài)303.96％96.04％如表所示，100次蒙特卡洛實(shí)驗(yàn)后的分類平均值的成功率都在82％以上，并且隨著訓(xùn)練樣本的增多，分類識(shí)別的準(zhǔn)確率也隨之上升。分析原因主要有以下三點(diǎn)：一是實(shí)驗(yàn)中觀測(cè)者與雷達(dá)距離較近，信噪比比較高,在信號(hào)處理過(guò)程中雖然未去噪也能得到很好的效果；二是本發(fā)明選取的兩個(gè)特征抓住了這三種步態(tài)的本質(zhì)差別所在，選擇的這兩個(gè)特征能最大程度地區(qū)分這三種步態(tài)；三是采用二叉樹(shù)的支持向量機(jī)方法進(jìn)行分類，充分發(fā)揮了支持向量機(jī)在小樣本情況下分類準(zhǔn)確的優(yōu)勢(shì)。從分類結(jié)果看，本發(fā)明能夠通過(guò)提取時(shí)頻圖中的兩個(gè)特征，輸入到二叉樹(shù)的支持向量機(jī)中進(jìn)行分類識(shí)別，演過(guò)證明了這種方法在小樣本情況下對(duì)不同步態(tài)進(jìn)行分類識(shí)別，效果顯著，能較好地區(qū)分出這三類步態(tài)。另外，本發(fā)明實(shí)施例的基于微多普勒特征和支持向量機(jī)的人體步態(tài)識(shí)別方法的其它構(gòu)成以及作用對(duì)于本領(lǐng)域的技術(shù)人員而言都是已知的，為了減少冗余，不做贅述。在本說(shuō)明書(shū)的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書(shū)中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同限定。當(dāng)前第1頁(yè)1 2 3