使用雷达和机器学习的射频（RF）对象检测制造技术

本文描述的实施例可以通过使用雷达机器学习来解决射频(RF)执行对象识别(包括面部辨识)，从而解决这些和其它问题。具体地，各实施例可以通过利用相应的多个发射机天线元件和接收机天线元件发送和接收多个数据分组来获得IQ样本，其中，多个数据分组中的每个数据分组包括一个或多个互补的Golay序列对。然后可以使用用于指示从对多个数据分组的发送和接收中获得的、识别区域的信道冲激响应的I/Q样本，以利用随机森林模型来识别在识别区域中的物理对象。

【技术实现步骤摘要】
【国外来华专利技术】使用雷达和机器学习的射频（RF）对象检测
技术介绍
面部识别可以被各种不同类型的电子设备(例如，移动电话、平板设备、膝上型计算机、PC、电视机和其它电子设备)用于认证和/或其它功能。这种识别通常是以如下方式完成的：使用具有光学深度传感器的相机，以实现3D成像(以避免通过显示2D图像的简单黑客行为)并且由于在两个传感器之间的融合而改善验证的性能。使用具有光学深度传感器的相机的技术可以更广泛地应用于识别不同于人脸(或者除了人脸之外)的对象。然而，这些识别技术并非没有其缺点。与其它传感器相比，对相机和光学深度传感器的利用可能使用相对大量的功率，这可能使其并不期望在功率敏感的设备(例如，移动电话和其它设备)中使用。此外，传感器可能是非常光敏感的，这使得在各种光照条件下进行识别是困难的。此外，使用相机还可能引起隐私顾虑，并且对于由相机捕获视频和/或图像和/或存储由相机捕获的视频和/或图像可能存在法律影响。
技术实现思路
本文描述的实施例可以通过使用雷达(radar)机器学习来解决射频(RF)执行对象辨识(包括面部识别)，从而解决这些和其它问题。具体地，各实施例可以通过利用相应的多个发射机天线元件和接收机天线元件来发送和接收多个数据分组，来获得IQ样本，其中，多个数据分组中的每个数据分组包括一个或多个互补的Golay序列对。然后可以使用从对多个数据分组的发送和接收中获得的、用于指示识别区域的信道冲激响应的I/Q样本，以利用随机森林模型来识别在识别区域中的物理对象。根据描述，一种在电子设备处使用射频(RF)信号来执行对象辨识的方法的示例包括：通过以下方式来获得I/Q样本集：利用电子设备在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。方法还包括：利用电子设备的处理单元从来自I/Q样本集的样本子集中选择值；以及利用电子设备的处理单元，对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象。根据描述，一种示例电子设备，包括：多个发射机天线元件；多个接收机天线元件；存储器；以及处理单元，其与多个发射机天线元件、多个接收机天线元件和存储器通信地耦合。处理单元被配置为：通过以下方式来获得I/Q样本集：在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。处理单元还被配置为：从来自I/Q样本集的样本子集中进行选择；以及对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象。根据描述，一种示例设备包括：用于通过以下方式来获得I/Q样本集的单元：在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。设备还包括：用于从来自I/Q样本集的样本子集中选择值的单元；以及用于对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象的单元。根据描述，一种示例非暂时性计算机可读介质具有嵌入在其上的用于使用射频(RF)来执行对象辨识的指令。指令在由一个或多个处理单元执行时使得一个或多个处理单元进行以下操作：通过以下方式来获得I/Q样本集：利用电子设备在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。指令在由一个或多个处理单元执行时还使得一个或多个处理单元进行以下操作：从来自I/Q样本集的样本子集中选择值；以及对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象。附图说明图1是根据一个实施例的其中可以由电子设备实现对用户的面部辨识的场景的简化图。图2是示出根据一个实施例的收集射频(RF)图像数据的一般性过程的简化图。图3是根据一个实施例的3-DRF图像的视觉表示。图4是根据一个实施例的可以如何在扫描时段期间发送分组的图示。图5是示出可以如何训练利用多类别随机森林分类器的RF图像辨识系统的基本过程的实施例的框图。图6是根据一个实施例的其中可以使用多个分类器来减少在基于RF图像的对象检测中的错误接受率的技术的框图。图7是示出在电子设备处使用RF信号来执行对象辨识的方法的实施例的流程图。图8A示出了根据一个实施例的可以用于训练供在基于RF的对象辨识系统中使用的自编码器的机器学习训练架构的示例。图8B示出了根据一个实施例的可以将经训练的自编码器用于基于RF的对象辨识的机器学习对象辨识架构的示例。图9是根据一个实施例的经组合的机器学习训练和对象辨识架构的框图。图10是根据一个实施例的在电子设备处使用RF信号来执行对象辨识的方法的流程图。图11是根据一个实施例的电子设备的框图。图12是根据另一实施例的电子设备的实施例的框图。根据某些示例实现方式，各个附图中的相同的附图标记指示相同的元素。另外，可以通过在用于元素的第一数字之后跟随字母或连字符和第二数字，来指示该元素的多个实例。例如，可以将元素110的多个实例指示为110-1、110-2、110-3等，或者110a、110b、110c等。当仅使用第一数字来指代这样的元素时，将理解为该元素的任何实例(例如，先前示例中的元素110将指代元素110-1、110-2和110-3或者元素110a、110b和110c)。具体实施方式可以注意的是，尽管本文描述的实施例经常是在基于RF的面部辨识的背景下描述的，但是各实施例不限于此。各实施例可以用于对象检测和/或识别。此外，在本文描述的实施例中，术语“检测”、“辨识(recognition本文档来自技高网...

【技术保护点】
1.一种在电子设备处使用射频(RF)信号来执行对象辨识的方法，所述方法包括：/n通过以下方式来获得I/Q样本集：利用所述电子设备在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收所述多个数据分组，使得所述多个接收机天线元件中的每个接收机天线元件从所述多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中：/n所述多个数据分组中的每个数据分组包括互补的Golay序列对，以及/n每个I/Q样本指示识别区域的至少一部分的信道冲激响应，所述信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的；/n利用所述电子设备的处理单元从来自所述I/Q样本集的样本子集中选择值；以及/n利用所述电子设备的所述处理单元，对从所述样本子集中所选择的值使用随机森林模型，以识别在所述识别区域中的物理对象。/n

【技术特征摘要】
【国外来华专利技术】20180511 US 62/670,653;20180820 US 62/720,103;20191.一种在电子设备处使用射频(RF)信号来执行对象辨识的方法，所述方法包括：
通过以下方式来获得I/Q样本集：利用所述电子设备在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收所述多个数据分组，使得所述多个接收机天线元件中的每个接收机天线元件从所述多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中：
所述多个数据分组中的每个数据分组包括互补的Golay序列对，以及
每个I/Q样本指示识别区域的至少一部分的信道冲激响应，所述信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的；
利用所述电子设备的处理单元从来自所述I/Q样本集的样本子集中选择值；以及
利用所述电子设备的所述处理单元，对从所述样本子集中所选择的值使用随机森林模型，以识别在所述识别区域中的物理对象。


2.根据权利要求1所述的方法，其中，所述物理对象包括面部。


3.根据权利要求1所述的方法，其中，从所述样本子集中选择所述值包括：对所述I/Q样本集执行主成分分析(PCA)，并且基于所述PCA的结果来从所述I/Q样本集中选择所述样本子集。


4.根据权利要求1所述的方法，其中，选择所述样本子集是基于通过所述样本子集采样的、距所述电子设备的物理距离的。


5.根据权利要求1所述的方法，其中，选择所述样本子集包括：对所述I/Q样本集进行下采样。


6.根据权利要求1所述的方法，其中，使用随机森林模型包括对所述I/Q样本集的不同子集使用所述随机森林模型，并且识别所述物理对象是基于所述随机森林模型的针对所述I/Q样本集的所述不同子集中的每个子集的输出的。


7.根据权利要求1所述的方法，其中，所述随机森林模型包括使用正RF图像和负RF图像来训练的多类别分类器。


8.根据权利要求1所述的方法，其中，所述多个数据分组是由所述多个发射机天线元件使用在57-64GHz的范围内的RF信号来无线地发送的。


9.根据权利要求1所述的方法，其中，所述扫描时段是100ms或更短。


10.根据权利要求1所述的方法，其中，所述多个分组中的每个分组是以6μs或更短的时间来发送的。


11.根据权利要求1所述的方法，还包括：调整所述扫描时段的长度以适应所述电子设备在其期间被用于数据通信的时间。


12.一种电子设备，包括：
多个发射机天线元件；
多个接收机天线元件；
存储器；以及
处理单元，其与所述多个发射机天线元件、所述多个接收机天线元件和所述存储器通信地耦合，其中，所述处理单元被配置为：
通过以下方式来获得I/Q样本集：在扫描时段内，利用所述多个发射机天线元件无线地发送多个数据分组，并且在所述多个接收机天线元件处接收所述多个数据分组，使得所述多个接收机天线元件中的每个接收机天线元件从所述多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中：
所述多个数据分组中的每个数据分组包括互补的Golay序列对，以及
每个I/Q样本指示识别区域的至少一部分的信道冲激响应，所述信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的；
从来自所述I/Q样本集的样本子集中进行选择；以及
对从所述样本子集中所选择的值使用随机森林模型，以识别在所述识别区域中的物理对象。


13.根据权利要求12所述的电子设备，其中，所述电子设备被配置为识别包括面部的物理对象。


14.根据权利要求12所述的电子设备，其中，所述处理单元被配置为至少部分地通过以下操作来从所述样本子集中选择所述值：对所述I/Q样本集执行主成分分析(PCA)，并且基于所述PCA的结果来从所述I/Q样本集中选择所述样本子集。


15.根据权利要求12所述的电子设备，其中，所述处理单元被配置为：基于通过所述样本子集采样的、距所述电子设备的物理距离，来选择所述样本子集。


16.根据权利要...

【专利技术属性】
技术研发人员：S·桑布瓦尼，A·桑德罗维赫，E·赫蒙，E·莱维坦，E·霍夫，M·F·萨拉马，M·A·萨奇斯，N·毕，Y·齐，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：美国;US