【技术实现步骤摘要】
一种基于毫米波雷达点云的步态识别方法
[0001]本专利技术涉及毫米波雷达点云应用的
,尤其是指一种基于毫米波雷达点云的步态识别方法。
技术介绍
[0002]随着各类传感器的发展,提取人体的各种生物特征以进行身份识别的相关技术百花齐放,例如以光学、超声波为代表的指纹识别技术和以结构光为代表的人脸识别技术得到了广泛的应用。相比于指纹识别易受伪造、汗渍影响,人脸识别在疫情大环境下易被口罩阻挡,步态特征,由于是人在行走过程中由步幅、步长、步宽以及人体各个关节、肌肉周期性的运动产生的一种隐性生物特征,在静止状态下不会显现,具备唯一性、难伪造、可远距无感知采集的优点。这使得步态特征在医疗健康、智能家居、安防监控等领域有广阔的应用场景。目前,步态数据的获取有两大方案,一类是通过动作捕捉技术(Motion Capture System,简称MOCAP)重建场景下的3D人体模型,进而获得步态数据,此类方案不仅需要在测试环境中安装摄像机,往往还要求测试者在身上穿戴特制的紧身衣、传感器等设备。其优点在于步态信息丰富且精确,重建的3D人体模型包含人的轮廓、骨架、关节运动轨迹等信息,但成本较高,采集条件较苛刻,因此多用于电影特效制作、科学研究等领域。另一类则是利用单一类别的传感器来获取人在行走过程中某个部位的运动数据,包括但不限于足部压力传感器、可穿戴式惯性传感器、光学相机。该方案的成本较低,易于部署安装,但相对的步态信息较单一。例如在步态识别领域,以银河水滴公司为代表的工业界通过安装光学相机,抓拍人在行走经过特定路线时的照片序列,提 ...
【技术保护点】
【技术特征摘要】
1.一种基于毫米波雷达点云的步态识别方法,其特征在于,包括以下步骤:1)对毫米波雷达在目标行走过程中输出的原始点云分两步进行处理;第一步,以椭圆形建模目标,使用DBSCAN算法进行聚类,去除背景噪点以及多径反射的镜像点,得到目标的初步检测结果;第二步,使用扩展卡尔曼滤波器,将当前帧目标的初步检测结果与前一帧目标的修正结果进行关联,输出当前帧目标的修正结果P,其中P是包含一组点的列表,即目标点云;2)根据毫米波雷达在真实空间中的位置,对目标点云P在以毫米波雷达为原点的球坐标系下的三维坐标进行转换,获得以毫米波雷达在真实空间水平面上的投影为原点的直角坐标系下的三维坐标;3)使用随机采样的方法处理连续M帧的目标点云P
i
|
i∈{1,2,
…
,M}
,所述i为帧数的索引序号,固定每一帧的目标点云P
i
|
i∈{1,2,
…
,M}
都包含N个点;4)连续M帧的目标点云P
i
|
i∈{1,2,
…
,M}
并行输入PointNet神经网络中,得到M个特征向量Feat
i
|
i∈{1,2,
…
,M}
;前面过程中点的三维坐标单独经过PointNet神经网络的T
‑
Net网络进行变换,获得M个中间张量Tensor
i
|
i∈{1,2,
…
,M}
;5)Feat
i
|
i∈{1,2,
…
,M}
经双向LSTM网络与平均值池化AvgPool后得到步态的时间特征向量Vec
t
;同时,把Tensor
i
|
i∈{1,2,
…
,M}
在帧数维度合并为张量Tensor
M
,张量Tensor
M
输入一个不包含T
‑
...
【专利技术属性】
技术研发人员:董守斌,杨杰,胡金龙,李文刚,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。