【技术实现步骤摘要】
本申请的实施例涉及人体特征识别，特别涉及一种基于毫米波雷达的人体特征识别方法。
技术介绍
1、手势和唇语表达着人类的想法，对行为特征的研究有着重要作用，其应用可以追溯到多个领域，包括人机交互、生物医学工程和安全检测等。随着虚拟现实、增强现实等新兴技术的兴起，人机交互需求越来越高，手势识别和唇语识别可以提供一种自然、直观、无需物理接触的交互方式，帮助人类更加方便地与计算机、机器人等设备交互。对于某些疾病导致的肢体残疾患者来说，手势识别可以帮助他们更加方便地控制电动轮椅、智能义肢等设备，提高他们的生活质量，而唇语识别则可以帮助一些听力障碍患者更好地与周围人沟通。毫米波雷达具有穿透力强、不受光线影响等优点，在安全检测领域也有着广泛应用，通过唇语识别和手势识别可以判断旅客、乘客是否在说谎、是否持有危险物品等。基于以上应用需求，基于毫米波雷达进行唇语识别和手势识别的研究，成为了近年来的热点。
2、准确地检测和提取不同的人体特征是人体特征识别技术的关键，光学信息采集和处理是人体特征识别常用的技术。但是，受环境的影响，该技术有着很大的不稳定性，其在极端环境下的可靠性会快速降低。同时，处理光学图像的步骤较为繁琐，对计算机运算能力要求较高，在实际应用中局限性较大。目前也有部分研究团队使用红外和声学技术来进行同样的操作，但这些技术均有一定的局限性，如分辨率低、易受声音和温度影响等。
3、随着毫米波雷达集成芯片技术的不断完善，毫米波雷达的稳定性和适用范围都得到了不断的扩展。毫米波雷达集成芯片的内部搭载了发射天线和接收天线，轻便
技术实现思路
1、本申请的实施例的目的在于提供一种基于毫米波雷达的人体特征识别方法，通过毫米波雷达硬件采集系统进行目标信号的采集，基于奇异值分解技术和qda技术进行识别，全过程免受环境因素的影响，大幅提升了人体特征识别的稳定性和准确率。
2、为了解决上述技术问题，本申请的实施例提出了一种基于毫米波雷达的人体特征识别方法，所述方法包括以下步骤：搭建毫米波雷达硬件采集系统，并通过usb连接线和网线与上位机连接；基于上位机中安装的配置软件对毫米波雷达硬件采集系统进行参数配置，在完成参数配置后，启动毫米波雷达硬件采集系统进行数据采集；利用滤波器对毫米波雷达硬件采集系统采集到的目标信号进行滤波，并对滤波后的目标信号进行短时傅里叶变换，得到目标信号的频谱图；将目标信号的频谱图转换成数组ri矩阵的形式并进行奇异值分解，基于奇异值分解后得到的主成分，获取目标信号的特征向量；将目标信号的特征向量输入至预训练的qda分类器中，获得qda分类器输出的对目标信号的人体特征识别结果。
3、本申请的实施例还提出了一种基于毫米波雷达的人体特征识别系统，所述系统包括：硬件搭建模组、参数配置模组、信号处理模组、奇异值分解模组和qda分类模组；硬件搭建模组，用于搭建毫米波雷达硬件采集系统，并通过usb连接线和网线将毫米波雷达硬件采集系统与上位机连接；参数配置模组，用于基于上位机中安装的配置软件对毫米波雷达硬件采集系统进行参数配置，在完成参数配置后，启动毫米波雷达硬件采集系统进行数据采集；信号处理模组，用于利用滤波器对毫米波雷达硬件采集系统采集到的目标信号进行滤波，并对滤波后的目标信号进行短时傅里叶变换，得到目标信号的频谱图；奇异值分解模组，用于将目标信号的频谱图转换成数组ri矩阵的形式并进行奇异值分解，基于奇异值分解后得到的主成分，获取目标信号的特征向量；qda分类模组，用于将目标信号的特征向量输入至预训练的qda分类器中，获得qda分类器输出的对目标信号的人体特征识别结果。
4、本申请的实施例还提出了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于毫米波雷达的人体特征识别方法。
5、本申请的实施例还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，能够实现上述所述的基于毫米波雷达的人体特征识别方法。
6、本申请的实施例提供的基于毫米波雷达的人体特征识别方法，搭建毫米波雷达硬件采集系统，由毫米波雷达硬件采集系统进行数据采集，得到目标信号，毫米波雷达硬件采集系统不受光照、天气、温度和声音等环境因素的影响，有效提升了人体特征识别的稳定性和可靠性，同时，毫米波雷达硬件采集系统不依赖于视觉影像，在保护隐私方面具有优势。在得到目标信号后，利用滤波器对目标信号进行滤波，并对进行短时傅里叶变换，得到目标信号的频谱图，目标信号中往往夹杂着高频噪声和杂波信号，同时目标信号中有相当一部分是不感兴趣的低频信号，比如静止物体的回声，使用滤波器滤去这些无用信息，可以降低后续处理的复杂度，并且提升人体特征识别的准确率。将目标信号的频谱图转换成数组ri矩阵的形式并进行奇异值分解，基于奇异值分解后得到的主成分，获取目标信号的特征向量，最后将目标信号的特征向量输入至预训练的qda分类器中，获得qda分类器输出的对目标信号的人体特征识别结果，采用奇异值分解技术和qda技术进行人体特征识别，奇异值分解可以压缩特征维度，qda判别器则均由灵活性高、判别能力强的特点，进一步大幅提升了人体特征识别的稳定性和准确率。
7、在一些可选的实施例中，所述搭建毫米波雷达硬件采集系统，并通过usb连接线和网线与上位机连接，包括：基于awr2243boost评估板和dca1000evm信号采集板，搭建毫米波雷达硬件采集系统，并通过usb连接线和网线将dca1000evm信号采集板与上位机连接；所述基于上位机中安装的配置软件对毫米波雷达硬件采集系统进行参数配置，在完成参数配置后，启动毫米波雷达硬件采集系统进行数据采集，包括：基于上位机中安装的mmwavestudio软件对毫米波雷达硬件采集系统进行参数配置，建立毫米波雷达硬件采集系统与上位机之间的串口通信，在完成参数配置后，启动毫米波雷达硬件采集系统进行数据采集；awr2243boost评估板发射高频信号到被试目标上并接收回波信号，得到原始信号后传递给dca1000evm信号采集板；dca1000evm信号采集板将原始信号转换为数字信号，并通过高速串行接口、usb连接线和网线，传输给上位机，数字信号即毫米波雷达硬件采集系统采集到的目标信号。
8、在一些可选的实施例中，所述利用滤波器对毫米波雷达硬件采集系统采集到的目标信号进行滤波，包括：首先使用mti滤波器对毫米波雷达硬件采集系统采集到的目标信号进行粗滤波，滤去不感兴趣的低频信号，得到粗滤波后的目标信号本文档来自技高网...
【技术保护点】
1.一种基于毫米波雷达的人体特征识别方法，其特征在于，包括：
2.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，搭建毫米波雷达硬件采集系统，并通过USB连接线和网线与上位机连接，包括：
3.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，利用滤波器对毫米波雷达硬件采集系统采集到的目标信号进行滤波，包括：
4.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，在对QDA分类器进行训练之前，通过毫米波雷达硬件采集系统采集训练样本，训练样本包括唇语训练样本和手势训练样本；
5.根据权利要求4所述的基于毫米波雷达的人体特征识别方法，其特征在于，对QDA分类器进行训练，包括：
6.根据权利要求5所述的基于毫米波雷达的人体特征识别方法，其特征在于，基于测试样本的特征偏置qb、测试样本的特征偏置qb的转置以及每个类别的Σk-1计算出测试样本对于每个类别的预测值，通过以下公式实现：
7.根据权利要求5所述的基于毫米波雷达的人体特征识别方法，其特征在于，预设的贡献率阈值为9
8.一种基于毫米波雷达的人体特征识别系统，其特征在于，包括：硬件搭建模组、参数配置模组、信号处理模组、奇异值分解模组和QDA分类模组；
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，能够实现如权利要求1至权利要求7中任一项所述的基于毫米波雷达的人体特征识别方法。
...【技术特征摘要】
1.一种基于毫米波雷达的人体特征识别方法，其特征在于，包括：
2.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，搭建毫米波雷达硬件采集系统，并通过usb连接线和网线与上位机连接，包括：
3.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，利用滤波器对毫米波雷达硬件采集系统采集到的目标信号进行滤波，包括：
4.根据权利要求1所述的基于毫米波雷达的人体特征识别方法，其特征在于，在对qda分类器进行训练之前，通过毫米波雷达硬件采集系统采集训练样本，训练样本包括唇语训练样本和手势训练样本；
5.根据权利要求4所述的基于毫米波雷达的人体特征识别方法，其特征在于，对qda分类器进行训练，包括：
6.根据权利要求5所述的基于毫米...
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。