[发明专利]基于无线信号属性的机器学习的运动检测

说明书

在一般方面中，可以基于无线信号属性的机器学习来检测空间中的运动。在一些方面中，在神经网络训练系统处获得标记神经网络输入数据集。各标记神经网络输入数据集是基于在相应时间段内发送通过空间的无线信号的序列的统计分析，并且各标记神经网络输入数据集包括用于指示在相应时间段内在空间中是否发生了运动的标记。通过神经网络训练系统来处理标记神经网络输入数据集以对神经网络系统的节点进行参数化。对节点进行参数化将神经网络系统配置为基于未标记神经网络输入数据来检测运动。

背景技术

以下说明涉及运动检测。

运动检测系统已被用于检测例如房间或室外区域中的物体的移动。在一些示例性运动检测系统中，使用红外或光学传感器来检测传感器的视野中的物体的移动。运动检测系统已被用于安全系统、自动化控制系统以及其它类型的系统中。运动检测系统已被用于检测例如室内或室外区域中的物体的移动。

附图说明

图1是示出示例性无线通信系统的图。

图2A和2B是示出在无线通信装置之间通信的示例性无线信号的图。

图3是示出基于无线通信装置处所接收到的信号来生成统计参数的矩阵的示例性处理的图。

图4是示出基于图3中所生成的矩阵的示例性标绘图和示例性直方图数据的图。

图5A～5F是与运动的不同类别相关联的无线信号的统计参数值的示例性标绘图。

图6是示出用于训练神经网络610以检测空间中的运动的示例性系统的图。

图7A和7B是示出用于使用未标记数据来检测空间中的运动的示例性神经网络系统的图。

图8是示出用于训练神经网络以检测空间中的物体的运动的示例性处理的流程图。

图9是示出用于使用神经网络来检测空间中的物体的运动的示例性处理的流程图。

具体实施方式

在这里描述的一些方面中，可以基于无线信号属性的机器学习来检测空间中的运动。例如，在一些实例中，可以使用无线信号的标记数据集来训练包括卷积神经网络的神经网络系统。标记数据可以基于对无线信号的表示所进行的统计分析。标记数据可以包括空间中是否发生了运动、空间中是否存在干扰、或者是否不存在运动或干扰(安静状态)的指示。可以基于对统计数据进行的分析、基于在学习阶段期间收集到的信息或者基于其它分析来向数据标记这种指示。

一旦经训练，神经网络系统可以用于基于未标记数据来检测空间中是否发生了运动。未标记数据可以以与标记数据相同的方式格式化，但没有是否发生了运动的指示。神经网络系统可以使用训练处理期间编程的节点来处理未标记数据，以提供包括运动指示的输出。神经网络系统可以包括卷积神经网络系统和全连接神经网络系统。在一些实例中，可以针对被卷积神经网络标志为指示运动的数据确定均方误差值，并且可以将均方误差值提供至全连接神经网络以提供空间中是否确实发生了运动的确认。

在一些实例中，本发明的方面可以提供一个或多个优点。例如，可以使用以高效的方式分析无线信号的各方面的神经网络来检测运动。另外，还可以准确地识别运动的类别，从而使空间中的运动的假肯定检测减少。在一些情况下，在准确地检测出运动的类别的情况下，可以自动发起对运动的智能响应。例如，安全系统可以响应于检测到与入侵者相关联的运动、但不响应于检测到与宠物或风扇相关联的运动而激活。

图1示出示例性无线通信系统100。示例性无线通信系统100包括三个无线通信装置——第一无线通信装置102A、第二无线通信装置102B和第三无线通信装置102C。示例性无线通信系统100可以包括附加的无线通信装置和其它组件(例如，附加的无线通信装置、一个或多个网络服务器、网络路由器、网络交换机、线缆或其它通信链路等)。