[发明专利]一种运用深度相机辅助雷达识别人体关节微运动的方法在审
| 申请号: | 202111304889.9 | 申请日: | 2021-11-05 |
| 公开(公告)号: | CN114200440A | 公开(公告)日: | 2022-03-18 |
| 发明(设计)人: | 贺娴娴;张云华;董晓;杨杰芳;李东;史晓进 | 申请(专利权)人: | 中国科学院国家空间科学中心 |
| 主分类号: | G01S13/86 | 分类号: | G01S13/86;G01S13/58;G01S7/41;G06V40/20;A61B5/11 |
| 代理公司: | 北京方安思达知识产权代理有限公司 11472 | 代理人: | 陈琳琳;杨青 |
| 地址: | 100190 *** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 运用 深度 相机 辅助 雷达 识别 人体 关节 运动 方法 | ||
1.一种运用深度相机辅助雷达识别人体关节微运动的方法,基于雷达和深度相机实现,所述方法包括:
步骤1)同时接收雷达和深度相机对若干个人体目标运动状态采集的数据,分别得到人体目标微运动的雷达数据和深度相机数据;
步骤2)根据雷达制式进行处理,得到一维时间序列的雷达数据;
步骤3)对处理后的雷达数据进行时频分析,得到对应人体目标的微多普勒特征;
步骤4)对深度相机数据进行低通滤波处理,再将滤波处理后的某个人体目标各个关节随时间变化的距离信息转换为各个关节随时间变化的速度信息;
步骤5)将某个人体目标的微多普勒特征和各个关节随时间变化的速度信息进行匹配。
2.根据权利要求1所述的运用深度相机辅助雷达识别人体关节微运动的方法,其特征在于,所述人体目标运动状态包括:走、跑步或其他运动状态;所述深度相机数据为从深度相机采集的数据中获取的每个人体目标的二维距离信息矩阵。
3.根据权利要求1或2所述的运用深度相机辅助雷达识别人体关节微运动的方法,其特征在于,所述步骤2)具体包括:
步骤2-1)当雷达为非调制连续波雷达时,对雷达数据经混频和ADC采样处理,得到雷达回波的一维时间序列;
步骤2-2)否则,对雷达数据进行脉冲压缩处理,得到二维距离-慢时间域的数据,再截取人体目标所在的距离门,经相加处理,得到人体目标一维时间序列的雷达数据。
4.根据权利要求3所述的运用深度相机辅助雷达识别人体关节微运动的方法,其特征在于,所述步骤2-1)具体包括:
当雷达为非调制连续波雷达时,对接收的雷达回波信号sr(t)经混频及ADC采样后得到雷达回波的一维时间序列srdn(ti)为:
其中,ti表示第i时刻,N表示雷达所照射区域内存在的N个雷达散射中心,kn为雷达所照射区域内第n个散射中心的幅度衰减系数,A表示非调制连续波雷达幅值,为第n个散射中心初始位置引起的初始相位,j表示虚部,为第n个散射中心所产生的多普勒频率,满足下式:
vn表示第n个散射中心的径向速度,λ表示雷达的波长。
5.根据权利要求3所述的运用深度相机辅助雷达识别人体关节微运动的方法,其特征在于,所述步骤2-2)具体包括:
对雷达数据进行脉冲压缩处理,得到M行Nr列的距离-慢时间域二维数据,其中,M为雷达发射的脉冲数,Nr为每个脉冲的快时间采样点数;
基于人体目标的运动轨迹仅存在于有限的距离门内,得到M行Ns列的距离-慢时间域二维数据,其中Ns≤Nr;
将Ns列距离门数据按照对应行相加,得到M行的一维时间序列的雷达数据sp(ti),其中i=1,2,3,…,M。
6.根据权利要求4所述的运用深度相机辅助雷达识别人体关节微运动的方法,其特征在于,所述步骤3)具体包括:
兼顾时间分辨率和频率分辨率,选取合适的窗长度,对雷达回波的一维时间序列srdn(ti)或一维时间序列的雷达数据sp(ti)采用短时傅里叶变换、Gabor变换或WVD变换,进行时频分析,得到人体目标的微多普勒特征,为慢时间-多普勒频率域二维数据。
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中国科学院国家空间科学中心,未经中国科学院国家空间科学中心许可,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/202111304889.9/1.html,转载请声明来源钻瓜专利网。





