[发明专利]基于毫米波雷达的人体步态识别系统

权利要求书

1.一种基于毫米波雷达的人体步态识别系统，其特征在于，包括：毫米波雷达子系统、数据处理子系统、特征数据库子系统、分类识别子系统和交互界面子系统；其中，毫米波雷达子系统用于发射和接收毫米波，得到包含人体步态信息的数字中频原始数据；数据处理子系统用于对原始数据进行数字信号处理，提取雷达特征；特征数据库子系统用于存储和更新所设定步态的特征数据集；分类识别子系统用于利用传统分类方法和深度学习方法进行步态分类识别；交互界面子系统用于交互控制和显示步态识别结果；

系统的各子系统均具备实时工作能力，即毫米波雷达子系统能够实时输出原始数据；数据处理子系统能够实时处理原始数据，检测运动目标，提取目标步态特征；特征数据库子系统能够实时存储和更新目标步态特征；分类识别子系统能够实时分类识别步态和在线学习更新分类模型；交互界面子系统能够实时显示步态识别的结果；

其中，所述设定步态的特征数据集，包括：不同行走速度的步态、不同行走方式的步态以及不同人体的步态的特征数据集；不同行走速度的步态包括快走、慢走、正常走、跑、随意走；不同行走方式的步态包括外八字、内八字、跛脚、杵拐杖、正常走；不同人体的步态，对应身份属性；

所述毫米波雷达子系统中，雷达参数主要包括发射天线数N_Tx、接收天线数N_Rx、每帧调频周期数N_c、调频起始频率f₁、调频斜率K_s、调频周期T_c、帧周期T_f、ADC采样率F_s、每调频周期ADC采样点数N_adc，这些参数根据应用场景的最大测量距离d_max、最大测量速度v_max、距离分辨率d_res、速度分辨率v_res、帧率f_rate需求确定。

2.根据权利要求1所述的基于毫米波雷达的人体步态识别系统，其特征在于，所述毫米波雷达子系统获取原始数据的主要过程为：N_Tx个发射天线周期性地发射线性调频连续波，经人体反射后由N_Rx个接收天线接收信号，然后将N_Tx×N_Rx个通道的回波信号与对应发射信号进行混频得到中频信号，并对中频信号进行低通滤波和模拟数字转换，得到人体步态的原始数据。

3.根据权利要求1所述的基于毫米波雷达的人体步态识别系统，其特征在于，所述数据处理子系统对原始数据进行处理提取步态特征的过程，包括快速傅里叶变换(FFT)、目标检测、目标聚类、目标定位跟踪以及一系列特征提取，提取的雷达步态特征包括：距离多普勒图、多普勒-时间图、距离-时间图、方位角-时间图、俯仰角-时间图、3D点云多种特征，在这些特征基础上进一步估计步速、步长、身高、体型特征。

4.根据权利要求1基于毫米波雷达的人体步态识别系统，其特征在于，所述特征数据库子系统根据不同步态属性来存储数据，步态属性包括人体身份、行走速度、行走方式，存储经过分类识别子系统进行特征比对和筛选后的有效数据。

5.根据权利要求1基于毫米波雷达的人体步态识别系统，其特征在于，所述分类识别子系统包括传统方法和深度学习方法，当样本数较少不足以进行深度学习训练时，采用传统方法进行分类；当数据量足够时，采用深度学习方法进行分类。

6.根据权利要求5基于毫米波雷达的人体步态识别系统，其特征在于，所述分类识别子系统中的深度学习方法包括人工神经网络的设计和优化，当数据集满足数据量要求时训练得到分类模型，当数据集满足在线学习更新条件时重新训练更新模型、调用训练得到的分类模型进行步态识别过程。