[发明专利]基于信号相干特征的被动式人员运动检测与追踪方法在审
| 申请号: | 201910048358.4 | 申请日: | 2019-01-18 |
| 公开(公告)号: | CN109784282A | 公开(公告)日: | 2019-05-21 |
| 发明(设计)人: | 田增山;张小娅;李玲霞;高罗莹;王勇;谢良波;聂伟 | 申请(专利权)人: | 重庆邮电大学 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 400065*** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 人员运动 追踪 检测 相干直方图 相干特征 样本数据 被动式 滑窗 链路 样本 无线电通信网络 中值滤波算法 无线局域网 传统检测 分类模型 检测结果 矩阵运算 离线阶段 模型参数 目标区域 实时数据 实时提取 实时追踪 特征矩阵 特征向量 系统参数 运动条件 在线检测 再利用 正确率 子区域 采集 修正 分组 联合 | ||
1.基于信号相干特征的人员运动检测与追踪方法,其特征在于,包括以下步骤:
步骤一、在目标监测区域内,布置X个监测设备(Monitor Point,MP),以及Y个无线信号接入点(Access Point,AP),可得K=X×Y条无线链路;
步骤二、将目标区域划分为用户感兴趣的N个目标子区域,第j条直射路径覆盖的独立区域(有且仅有一条直射路径覆盖该区域)为Aeraj,独立区域以外为非独立区域Aeraind,并为每个区域编号;
步骤三、利用监测设备MP分别采集短时间内的K条链路的无人运动数据和人员运动数据采集时间都为T1秒,采样频率为ZHZ;具体包括以下步骤;
步骤四、设计带通滤波器滤除K条无人运动RSS序列以及K条人员运动RSS序列中的噪声;
步骤五、将滤波后的K条无人运动RSS序列与K条人员运动RSS序列接收信号强度归一化;
步骤六、利用滑动窗口机制对归一化后的K条无人运动RSS序列以及K条人员运动RSS序列进行分组;
步骤七、建立K条链路的样本相干直方图,构造特征矩阵;
步骤八、利用K条链路的样本特征矩阵与梯度下降法训练softmax分类模型;
步骤九、在线监测阶段,各MP实时采集感知环境中K条无线链路的接收信号强度值,将采集到的接收信号强度值进行存储,当ton时刻的第K条链路数据量累计为一个窗长时,则对ton时刻窗口数据进行类别的判断;
步骤十、采用步骤四相同的方法对K条链路当前滑窗中的数据进行滤波,滤波后的信号强度值
步骤十一、采用步骤五相同的方法将滤波后的K条链路ton滑窗内数据归一化,结果记为
步骤十二、采用步骤九的方法,建立K条链路在ton时刻的归一化RSS序列的相干直方图
步骤十三、将K条链路在ton时刻的RSS序列与样本进行匹配,得到ton时刻的K条链路的检测结果;
步骤十四、利用步骤十三的检测结果确定在ton时刻人员的运动区域
步骤十五、当ton时刻的追踪结果累计为larea个时,利用中值滤波对区域定位结果进行修正。
2.根据权利要求1所述的基于信号相干特征的被动式人员运动检测与追踪方法,其特征在于:所述步骤七中,建立K条链路的样本相干直方图,构造特征矩阵,包括以下步骤:
7a、将归一化后的第j条无人运动RSS序列第t个样本等分为M段,每一段长度为则第i段范围为:
7b、统计第i段内满足相干度D的接收信号强度值总数
相干度D指属于同一段范围的接收信号强度值的时间连续度τ≥D。满足相干度要求的接收信号强度值总数即为属于该段范围的数据总数
7c、计算第j条无人运动RSS序列第t个样本的分段高度
7d、第j条无人运动RSS序列第t个样本的相干直方图为
7e、重复步骤7a-7c共T1-l+1次,得第j条无人运动RSS序列T1-l+1个样本的相干直方图
7f、将第j条无人运动RSS序列的样本相干直方图进行合并得第j条RSS序列的特征矩阵
7g、重复步骤7a-7f共K次,得到K条无人运动RSS序列特征矩阵
7h、重复步骤7a-7f共K次,得到K条人员运动RSS序列的样本特征矩阵其中,为第j条人员运动RSS序列的特征矩阵,为第j条人员运动RSS序列第t个样本的相干直方图。
7i、构造第j条RSS序列第t组样本(第t个无人运动样本与人员运动样本为一组)的特征矩阵
7j、构造第j条RSS序列的特征矩阵
7k、重复7g-7h步骤K次,得到K条链路的特征矩阵
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910048358.4/1.html,转载请声明来源钻瓜专利网。





