【技术实现步骤摘要】
本申请涉及毫米波雷达应用，具体而言，涉及一种人体感知方法和系统。
技术介绍
1、在智能家居领域，人体感知技术已成为家电智能化升级的重要方向之一。科技的进步促使智能空调的出现，尤其能实现有无人自动开关空调的操作，可以使人们的生活更加便捷，并且随着环境温室效应日益严重，该技术可以有效减少碳排放。自动开关空调使得用户无需担心忘记关空调，具有较好的市场前景。
2、红外传感器是依靠探测人体发射的10um左右的红外线进行工作。受到各种热源干扰，特别是在室温接近人体温度时，难以准确区分人体和背景温度，红外传感器的检测精度会大幅下降，无法准确区分人体和其他移动物体，导致误报率较高；同时，人体发射的红外易被遮挡，从而产生漏报，工作性能稳定性较差。基于rgb相机通过图像处理进行人体感知的视觉识别方案对光线依赖强，视觉识别涉及用户隐私安全问题，特别是在居家环境中，这种摄像头的使用往往会让用户感到不安，影响其接受度。微波传感器能较好的保护用户隐私，但是人体感知的准确率较低。
3、综上所述，现有人体感知方法的感知准确度较低。
技术实现思路
1、本专利技术的目的在于，针对上述现有技术中的不足，提供一种人体感知方法和系统，以解决现有技术中人体感知方法的感知准确度较低的问题。
2、为实现上述目的，本专利技术采用的技术方案如下：
3、本申请提供一种人体感知方法，该方法包括如步骤：
4、s1，获取回波数据；
5、s2，对回波数据进行处理，得到一维
6、s3，对一维傅里叶变换结果进行快速傅里叶变换和加窗，得到二维快速傅里叶变换结果，采用so-cfar算法对其进行检测，生成快帧点云数据集合；
7、s4，对一维傅里叶变换均值进行快速傅里叶变换和加窗，得到二维快速傅里叶变换结果，采用so-cfar算法对其进行检测，生成慢帧点云数据集合；
8、s5，对快帧点云数据集合和慢帧点云数据集合进行聚类与滤波，得到目标信息；
9、s6，目标保持与生理目标位置信息的获取；
10、s7，有无人状态的判定。
11、进一步地，步骤s1中，首先，进行adc基本电压的自校准，mcu通过spi接口协议控制射频芯片发射线性调频连续波，adc对回波信号进行采样。
12、更进一步地，步骤s2包括，将多个回波信号进行非相参积累，得到时域信号数据，时域信号数据减去上一帧采样数据的均值，再在距离维上进行一维快速傅里叶变换和加窗，得到一维傅里叶变换结果，对一维傅里叶变换结果取均值，得到一维傅里叶变换均值。
13、更进一步地，步骤s3中，cfar检测器将窗口分为参考单元、保护单元、检测单元，当检测单元的值大于检测门限s时，保存数据，形成快帧点云数据集合。
14、更进一步地，检测门限s=kzso，其中，k为阈值门限因子，zso=min（x，y），x和y分别为检测单元两侧的参考单元的平均值，x=，y=，其中，n表示单侧参考单元中元素的数量，i表示第i个元素。
15、更进一步地，步骤s4中，一维傅里叶变换均值为40*1的一个数据集合，将前32帧的一维傅里叶变换均值按顺序填充，形成40*32的数据集合，在多普勒速度维做快速傅里叶变换和加窗，得到二维快速傅里叶变换结果，对二维快速傅里叶变换结果进行检测，得到慢帧点云数据集合。
16、更进一步地，步骤s5中，采用dbscan算法对快帧点云数据集合和慢帧点云数据集合分别进行聚类，采用均值滤波方法对聚类结果进行滤波。
17、更进一步地，步骤s6中，均值滤波后存储的目标信息与前一个目标信息的差值在距离单位小于3，速度单位小于5，则保持前一个目标信息的保持点；否则，建立新的保持点。
18、更进一步地，步骤s7中，当运动目标、微动目标、生理目标都消失时，判定为检测范围内无人；否则，判定为检测范围内有人。
19、本申请还提出了一种人体感知系统，系统包括加速器和处理器，加速器为集成雷达基带处理器算法加速器包括数据转移模块、信号处理模块、数据处理模块；处理器为32bitcpu处理器包括聚类模块、均值滤波模块、目标保持模块、生理信号检测模块、目标信息输出模块；系统执行上述方法。
20、与现有技术相比，本专利技术的有益效果：
21、本申请方法使用毫米波雷达进行探测，在信号处理上分为快时间帧维度和慢时间帧维度，快时间帧维度专注于宏观运动，捕获显著运动信息，帮助识别目标的存在与大致位置；慢时间帧维度聚焦于微小、生理性的运动信号，用于提取更细腻的微动信息，这有助于感知到人的细微动作或生理信号。快时间帧和慢时间帧的配合能从运动和微动两个层面实现互补，不仅丰富了识别信息的层次，还增强了系统对复杂场景和微小生理信号的感知能力，心跳、呼吸等生理信号可以增强目标识别的稳定性，帮助区分人体与其他运动物体，避免误报，从而显著提升了人体感知识别的准确度。
22、提升信噪比，增强抗干扰能力：快时间帧的高灵敏度特性可以快速过滤出主要运动目标，而慢时间帧则有助于在噪声较大的情况下检测微小的生理信号，如心跳、呼吸等；即使在复杂环境或噪声干扰下，系统依旧可以保持较高的识别精度。
本文档来自技高网...【技术保护点】
1.一种人体感知方法，其特征在于，所述方法包括如步骤：
2.根据权利要求1所述的人体感知方法，其特征在于，所述步骤S1中，首先，进行ADC基本电压的自校准，MCU通过SPI接口协议控制射频芯片发射线性调频连续波，ADC对回波信号进行采样。
3.根据权利要求2所述的人体感知方法，其特征在于，所述步骤S2包括，将多个回波信号进行非相参积累，得到时域信号数据，所述时域信号数据减去上一帧采样数据的均值，再在距离维上进行一维快速傅里叶变换和加窗，得到所述一维傅里叶变换结果，对所述一维傅里叶变换结果取均值，得到所述一维傅里叶变换均值。
4.根据权利要求3所述的人体感知方法，其特征在于，所述步骤S3中，CFAR检测器将窗口分为参考单元、保护单元、检测单元，当所述检测单元的值大于检测门限S时，保存数据，形成快帧点云数据集合。
5.根据权利要求4所述的人体感知方法，其特征在于，所述检测门限S=kZso，其中，k为阈值门限因子，Zso=min（X，Y），X和Y分别为所述检测单元两侧的所述参考单元的平均值，X=，Y=，其中，N表示单侧所述参考单元中元素的
6.根据权利要求5所述的人体感知方法，其特征在于，所述步骤S4中，所述一维傅里叶变换均值为40*1的一个数据集合，将前32帧的所述一维傅里叶变换均值按顺序填充，形成40*32的数据集合，在多普勒速度维做快速傅里叶变换和加窗，得到二维快速傅里叶变换结果，对所述二维快速傅里叶变换结果进行检测，得到慢帧点云数据集合。
7.根据权利要求6所述的人体感知方法，其特征在于，所述步骤S5中，采用DBSCAN算法对所述快帧点云数据集合和所述慢帧点云数据集合分别进行聚类，采用均值滤波方法对聚类结果进行滤波。
8.根据权利要求7所述的人体感知方法，其特征在于，所述步骤S6中，均值滤波后存储的目标信息与前一个目标信息的差值在距离单位小于3，速度单位小于5，则保持前一个目标信息的保持点；否则，建立新的保持点。
9.根据权利要求8所述的人体感知方法，其特征在于，所述步骤S7中，当运动目标、微动目标、生理目标都消失时，判定为检测范围内无人；否则，判定为检测范围内有人。
10.一种人体感知系统，其特征在于，所述系统包括加速器和处理器，所述加速器为集成雷达基带处理器算法加速器，包括数据转移模块、信号处理模块、数据处理模块；所述处理器为32bitCPU处理器包括聚类模块、均值滤波模块、目标保持模块、生理信号检测模块、目标信息输出模块；所述系统执行权利要求1-9任意所述方法。
...【技术特征摘要】
1.一种人体感知方法，其特征在于，所述方法包括如步骤：
2.根据权利要求1所述的人体感知方法，其特征在于，所述步骤s1中，首先，进行adc基本电压的自校准，mcu通过spi接口协议控制射频芯片发射线性调频连续波，adc对回波信号进行采样。
3.根据权利要求2所述的人体感知方法，其特征在于，所述步骤s2包括，将多个回波信号进行非相参积累，得到时域信号数据，所述时域信号数据减去上一帧采样数据的均值，再在距离维上进行一维快速傅里叶变换和加窗，得到所述一维傅里叶变换结果，对所述一维傅里叶变换结果取均值，得到所述一维傅里叶变换均值。
4.根据权利要求3所述的人体感知方法，其特征在于，所述步骤s3中，cfar检测器将窗口分为参考单元、保护单元、检测单元，当所述检测单元的值大于检测门限s时，保存数据，形成快帧点云数据集合。
5.根据权利要求4所述的人体感知方法，其特征在于，所述检测门限s=kzso，其中，k为阈值门限因子，zso=min（x，y），x和y分别为所述检测单元两侧的所述参考单元的平均值，x=，y=，其中，n表示单侧所述参考单元中元素的数量，i表示第i个元素。
6.根据权利要求5所述的人体感知方法，其特征在于，所述步骤s4中，所述一维傅里叶变换均值...
【专利技术属性】
技术研发人员：陈坤，袁常顺，罗雨泉，何雨强，孙忠胜，向洪，李雅鑫，梁松，王占，
申请(专利权)人：北京航空航天大学杭州创新研究院，
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。