[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

说明书

本发明公开了运用深度相机辅助雷达识别人体关节微运动的方法，所述方法包括：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；根据雷达制式进行处理，得到一维时间序列的雷达数据；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；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；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。本发明解决了在雷达微多普勒特征中人体目标不同关节所对应的微多普勒频率分量难以分辨的问题。

技术领域

本发明涉及人体微多普勒特征及深度相机数据应用领域，具体涉及一种运用深度相机辅助雷达识别人体关节微运动的方法。

背景技术

雷达目标相对于雷达存在径向运动时，雷达回波的频率会产生多普勒效应，在许多情况下，一个物体除了平动外，这个物体的任何一个结构成分还会存在一些振荡式的运动——称为这个物体的微运动。例如直升机旋转的螺旋叶片。鸟类在飞行过程中扑动的翅膀，行人摆动的手臂和腿等均可称为微运动。微运动可以引起发射的雷达信号在载频附近出现多普勒频率调制，这种多普勒频率调制称为微多普勒频率。不同目标的微运动特性各不相同，因此产生微多普勒频率也各不相同，因此不同雷达目标所产生的独特的微多普勒频率被称作为微多普勒特征，可以用于目标的识别与分类。人体目标运动过程中具有典型的微运动，由于人体各个关节的灵活性，因此人体目标的微运动和微运动所产生的微多普勒特征都是非常复杂而独特的。人体目标的微运动主要由手臂和腿的摆动构成，因此人体目标的微多普勒特征也是包括手臂和腿的微多普勒频率成分的一个集合体，而且一个手臂上还包含肘关节、腕关节和手等不同的组成部分，其对微多普勒频率的贡献都是不尽相同的。所以根据人体的微多普勒特征可以对人体目标的运动状态进行识别与分类。

在最近这些年来，人体微多普勒特征结合分类识别算法被用来进行人体目标运动状态分类以及步态识别都取得了许多进展。但是，对于人体目标各个关节的微运动，单通道雷达只能得到一个(或多个)人体目标整体的微多普勒特征，并且在无先验知识或者运动状态复杂的情况下，仅通过雷达的微多普勒特征难以将人体各个关节在微多普勒特征中的贡献进行分辨。因此，仅通过单通道雷达所获得的微多普勒特征是不能对人体目标的各个关节所贡献的微多普勒频率进行量化分析的。参见参考文献[1](J.Li and P.Stoica,MIMORadar Signal Processing,John WileySons,2008.)提出了一种解决方案是增加雷达系统的通道数量利用多输入多输出技术，但这样会严重增加雷达系统的复杂度，考虑到在民用设备中高系统复杂度的雷达系统是不希望的，因此不建议利用多输入多输出技术来实现将各个关节或者肢体的微多普勒频率分离开。另外一种解决方案是通过算法来实现对不同肢体的微多普勒频率进行推测，参见参考文献[2](R.G.Raj,V.C.Chen,and R.Lipps,“Analysis of radar human gait signatures,”IET Image Process,Vol.4,No.3,2010.)，但上述提出的算法仅在模拟的微多普勒特征中的简单运动状态得到了验证。目前在分离人体不同肢体或者关节在微多普勒特征中的不同成分分量的工作较少，但是这个工作是对人体各个肢体或者关节运动状态进行量化分析的基础，并且该工作的结果具有潜在提高对人体运动状态或步态识别与分类的能力。

发明内容

本发明的目的在于克服现有技术缺陷，提出了一种运用深度相机辅助雷达识别人体关节微运动的方法。

为了实现上述目的，本发明提出了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；