[发明专利]被探测物的姿态识别方法和装置、设备及系统

说明书

本申请公开了一种被探测物的姿态识别方法，被探测物的姿态识别方法包括获取空间反射的毫米波信号，对毫米波信号进行预处理得到空间参数，依据空间参数构建目标空间的环境静物模型，将环境静物模型进行障碍消除得到目标探测物模型，通过目标探测物模型对应的空间参数获取目标探测物模型的极坐标，基于极坐标进行机器学习得到目标探测物模型的空间位置，依据空间位置进行姿态识别。从而使得本公开的被探测物的姿态识别方法利用毫米波远场无感化的特点，可对监测区域的多个人体的各种姿态进行准确的识别。

技术领域

本公开涉及空间测绘技术领域，尤其涉及一种被探测物的姿态识别方法和装置、设备及系统。

背景技术

现在可对室内多个人体姿态进行精准识别同时又没有侵犯个人隐私的技术，在需求日益增加的康养市场具有极大的发展潜力。利用毫米波远场无感化的特点，可对监测区域的多个人体的站，坐，躺，蹲，弯腰，行走，跌倒等各种姿态进行准确的识别，从而获取多个人体在室内的日常行为数据，通过机器学习来判断人体是否处于正常状态，以对危情进行预测报警。现有的识别技术精度不高。

发明内容

有鉴于此，本公开提出了一种被探测物姿态识别方法，包括：

获取目标空间反射的毫米波信号；

对所述毫米波信号进行预处理得到空间参数；

依据所述空间参数构建所述目标空间的环境静物模型；

将所述环境静物模型进行障碍消除得到目标探测物模型；

通过所述目标探测物模型对应的空间参数获取所述目标探测物模型的极坐标；

基于所述极坐标进行机器学习得到所述目标探测物模型的空间位置；

依据所述空间位置进行姿态识别。

在一种可能的实现方式中，对所述毫米波信号进行预处理得到空间参数包括：

将所述毫米波信号进行傅里叶变换得到时域信号；

将所述时域信号去除干扰得到距离参数、角度参数和幅值参数。

在一种可能的实现方式中，将所述时域信号去除干扰包括：

将所述时域信号进行数字滤波操作；

将所述时域信号进行多径干扰消除；

将所述时域信号去噪。

在一种可能的实现方式中，将所述环境静物模型进行障碍消除得到目标探测物模型障碍消除目标探测物模型包括：

对所述环境静物模型中的点云数据进行多普勒运算；

将非多普勒效应的障碍消除得到所述目标探测物模型。

在一种可能的实现方式中，基于所述极坐标进行机器学习得到所述目标探测物模型的空间位置包括：

所述幅值参数与对应的所述极坐标构成数组矩阵；

基于所述数组矩阵使用长短期记忆递归神经网络进行学习，得到所述目标探测物模型的空间位置。

在一种可能的实现方式中，依据所述空间位置进行姿态识别包括：

对所述目标探测物模型的物理姿态进行计算得到第一数据；其中，所述物理姿态包括离地高度、身体倾角、身体比例和人体异形；

对所述目标探测物模型进行多普勒相移速度计算得到第二数据；

对所述目标探测物模型进行体倾斜移动角速度计算得到第三数据；

对所述目标探测物模型进行正面及侧面幅值比计算得到第四数据；