[发明专利]一种基于FMCW毫米波雷达的步态识别方法、系统及存储介质

说明书

本发明公开了一种基于FMCW毫米波雷达的步态识别方法、系统及存储介质，其方法包括步骤：构建毫米波雷达回波数据矩阵；提取数据矩阵的微多普勒时频谱图像特征；预处理微多普勒时频谱图像；对微多普勒时频谱进行图像分割；使用聚类算法训练数据；根据聚类结果进行步态识别。本发明解决了相关技术中毫米波雷达信号噪声导致的频谱图准确率低以及深度学习过拟合的问题。

技术领域

本发明属于智慧安防技术领域，特别是涉及一种基于FMCW毫米波雷达的步态识别方法、系统及存储介质。

背景技术

步态识别是一种新兴的生物特征识别技术，旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现人员自动的身份识别。目前，基于光学图像的步态识别技术在智慧安防、视频监控、智慧警务等领域具有广泛应用。但是，这种技术存在诸多局限，如监控拍摄的视角变化导致捕捉到同一对象的表征明显变化，以及在现实场景中易受到光线、天气等干扰。

毫米波雷达检测与摄像头、激光雷达、红外传感器等检测方法相比，有着检测范围广，不易受到光线、天气、热源等使用条件限制的优势，且极大地提高了观测对象的隐私保护程度。目前毫米波雷达已广泛应用于人体动作识别。在毫米波雷达回波的微多普勒谱中，包含着丰富的人体运动特征信息，如肢体运动频率、躯干微多普勒频率等物理特征，这些物理特征可以有助于提高人体运动特征识别准确度。但是在毫米波雷达人体检测应用中，仅从微多普勒时频谱图提取特征进行动作识别时，识别结果准确率达不到预期效果，而将深度学习应用于人体动作识别中，虽然识别准确率得到提高，但深度学习要求数据量巨大，训练时间过长，在面对训练样本数量不足时容易产生过拟合。

为了解决毫米波雷达信号噪声导致的频谱图准确率低以及深度学习过拟合的问题，提出一种基于FMCW毫米波雷达的步态识别方法、系统及存储介质。

发明内容

本发明实施例提出一种基于FMCW毫米波雷达的步态识别方法、系统及存储介质，以至少解决相关技术中毫米波雷达信号噪声导致的频谱图准确率低以及深度学习过拟合的问题。

根据本发明的一个实施例，提供了一种基于FMCW毫米波雷达的步态识别方法，包括：

构建毫米波雷达回波数据矩阵；

提取数据矩阵的微多普勒时频谱图像特征；

预处理微多普勒时频谱图像；

对微多普勒时频谱进行图像分割；

使用聚类算法训练数据；

根据聚类结果进行步态识别。

在一个示例性实施例中，所述构建毫米波雷达回波数据矩阵，包括步骤：

使用毫米波雷达采集不同测试人员不同步态下的雷达回波原始数据；

对雷达回波原始数据进行采样，将FMCW雷达回波数据表示为二维矩阵S(n,m)，其中n＝0,1,…,N-1,m＝0,1,…,M-1，N是雷达在一个调频周期内的采样点数，M是总的调频周期个数。

在一个示例性实施例中，所述提取数据矩阵的微多普勒时频谱图像特征，包括步骤：

对矩阵S(n,m)的每一列进行离散傅里叶变换得到矩阵R(k,m)，对矩阵R(k,m)进行动目标显示滤波预处理，取模得到距离时间图像；

叠加距离时间图像中的距离单元信号得到矩阵

对矩阵D(m)进行短时傅里叶变换得到矩阵T(p,q)，以此得到微多普勒时频谱图像；

对矩阵R(k,m)的每一行进行离散傅里叶变换得到矩阵V(k,l)，对矩阵V(k,l)取模可得到距离多普勒图像。

在一个示例性实施例中，所述预处理微多普勒时频谱图像，包括步骤：