[发明专利]基于图像处理的室内人体姿态初步分类方法

说明书

本发明公开了一种基于图像处理的室内人体姿态初步分类方法，该方法基于人体不同姿态跨越的范围以及速度特征，将人体姿态划分为两类：原地和非原地姿态。该方法首先将超宽带雷达录取的室内人体姿态数据经过杂波抑制，运用动目标检测保留人体运动姿态的信息，去除室内各种背景杂波干扰；之后对得到的矩阵形式的姿态信号图像，采用图像处理的方式处理噪声干扰：先将姿态信号图像进行二值化处理，去除噪声；提出用基于时间‑距离的孤立点消除算法去除姿态信号图像中剩余的噪声点；接着利用SVM对特征进行分类，完成人体姿态的初步二级分类。本发明方法有效可行，性能可靠，可以准确地识别室内人体姿态是原地还是非原地动作。

技术领域

本发明属于雷达技术领域，特别是一种基于图像处理的室内人体姿态初步分类方法。

背景技术

人体姿态识别是近年来具有挑战性的研究热点之一。它在安全监控、人机交互和医疗健等领域有着广泛的应用前景。另外，随着我国人口老龄化现象日趋严重，如何有效对老人在家中室内所面临的安全问题进行提前预警和有效监控，是全社会面临的一个重大问题。随着计算机技术的发展，基于人体姿势识别的监测系统通过识别老人在室内的姿态、评估其姿势的稳定性，进行有效的预警并通知家人。现有的研究主要还是基于图像视频分析的人体姿态识别和可穿戴式运动传感器的人体姿态识别技术。但视频图像信息会带来传感器网络通信量的膨胀，而且视频图像检测受环境影响较大，并且一定程度侵犯隐私。可穿戴式的人体姿态识别设备也有着两个主要缺点：数据内存和适用性。续航时间不能保证，而且佩戴不方便，在许多场合使用受限，这在很大程度上制约了可穿戴式设备的发展。

雷达是一种通过发射和接收电磁波对目标进行检测的电子设备，具有全天候全时段的工作能力，所以近年来，利用雷达进行人体姿态识别的技术引起了很大关注。而在众多体制的雷达中，超宽带雷达具有抗干扰能力强，距离分辨率高等优点。然而，原地动作与非原地动作的雷达回波有着很大的区别，其处理方式也完全不同。如果把所有动作划分到一起去处理，无疑增大了区分难度，这样而言，如何在处理回波前进行动作的初步分类来简化之后的数据过程就有了极大的意义。

发明内容

本发明的目的在于提供一种基于超宽带雷达的室内人体姿态初步分类方法，实现了室内常见姿态的初步分类，为姿态识别的进一步处理提供便利。

实现本发明目的的技术解决方案为：一种基于超宽带雷达的室内人体姿态初步分类方法，包括以下步骤：

步骤1、采用超宽带雷达得到室内人体常见姿态的数据，回波信号被接收天线接收后，由超宽带雷达系统高速采样后经过USB数据线传入PC端。在雷达系统中经过高速采样之后，得到回波信号s(τ,t)，其中τ表示快时时间域，t表示慢时时间域。

所述室内人体常见姿态分为两类，包括原地动作和非原地动作。其中原地动作包括：(a)站立、(b)弯腰、(c)坐/站、(d)下蹲、(e)跳跃、(f)横摔。非原地动作包括：(g)行走、(h)拄拐走、(i)跑步、(j)前跳、(k)前摔、(l)爬行。

步骤2、在得到雷达三维回波信号后，通过动目标检测(MTI)处理方法去除这些静止物体的干扰，抑制静止物体反射的回波信号；再利用中值滤波的方法，进一步去除噪声，使得人体姿态的姿态轨迹得到增强。

步骤3、对姿态信号图像进行二值化处理，进一步去除杂波干扰，即将图像上的点的灰度值设置为0或255。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像，具体为；

步骤3-1、截取两类姿态动作发生的时间(大概4s的时间，600个慢时采样点)，得到它们预处理(MTI和中值滤波)后的姿态信号图像；

步骤3-2、按照阈值选取的原则，选出合适阈值，将姿态信号图像转换为256个亮度等级的灰度图像，从而获得仍然可以反映图像整体和局部特征的二值化姿态信号图像。