[发明专利]一种基于RFID无源感知的多模态人体动作识别系统及方法

说明书

本发明公开了一种基于RFID无源感知的多模态人体动作识别系统及方法，属于人体动作识别技术领域，所述系统包括RFID数据采集模块、数据处理模块、特征提取模块和人体动作识别模块；通过采集不同动作下接收天线的RSSI数据，并利用小波变换得到时频图，构成用于人体动作识别的多模态数据，通过提取不同动作所对应的特征进行识别；针对一维信号动作数据和二维时频图动作数据的特点，分别选用随机森林和CNN‑LSTM分类模型进行动作识别，并对两种模型的识别结果进行决策融合，输出最终的动作类别判决结果，实现了人体动作的无源感知。本发明保护了用户的隐私性，无源感知的特点极大地提升了系统的便捷性，为居家老人的健康监测开辟了一条新的路径。

技术领域

本发明属于人体动作识别技术领域，具体涉及一种基于RFID无源感知的多模态人体动作识别系统及方法。

背景技术

人体动作识别是健康养老、医疗护理、运动健身等领域发展所必需的关键技术，通过人体动作识别能够预防居家老人因摔倒而引发的危险，辅助患者矫正康复动作，降低护理难度。传统的人体动作识别主要基于机器视觉和可穿戴传感器两种方法，基于机器视觉的人体动作识别方法通过摄像头拍摄人体的行为动作，并利用深度学习算法对拍摄的视频或图像进行动作分类。基于可穿戴传感器的人体动作识别方法指人体佩戴加速度传感器或惯性传感器等微型传感设备，通过采集人体活动时加速度及角度等动作信息，进而提取动作特征，结合分类算法实现动作分类。

但是，基于机器视觉的方法在采集动作数据时摄像头容易受到光照因素的限制，导致视频图像清晰度较低，增加了动作识别难度，而且利用摄像头采集动作数据极易泄漏用户的隐私。基于可穿戴传感器的方法受限于有源环境下频繁交互信息所带来的高能耗问题，导致设备需要定期维护。

由于射频识别技术(RFID)具有高普及性和保护隐私的特点，为人体行为识别技术开辟了新的研究路径。无线信号不仅在数据传输上发挥了重要的作用，而且可以用来实现动作感知。无线信号在传播过程中遇到障碍物或移动个体会产生反射、衍射以及散射等现象，在不同动作的影响下信号强度会发生不同的变化，相较于上述两种人体动作识别方法的弊端而言，利用RFID技术实现对人体动作的无源感知已经成为一种发展趋势。

发明内容

为了解决现有技术中存在的基于机器视觉的方法受限于环境光照的影响且容易泄露隐私、基于可穿戴传感器只能在有源环境下使用等问题，本发明提出了一种基于RFID无源感知的多模态人体动作识别系统及方法；本发明利用人体动作对无线信号传播产生的影响，将RFID标签绑定在人体运动节点处，根据采集到接收天线的信号强度(RSSI)的变化，提取不同动作下所对应的特征，并对采集到的RSSI动作数据进行小波变换得到相应的时频图，针对RSSI一维数据和二维时频图的特征，选用不同的分类算法构建分类模型，最后通过对两种模型进行决策融合实现RFID环境下多模态数据的人体动作识别。

本发明通过如下技术方案实现：

一种基于RFID无源感知的多模态人体动作识别方法，具体包括如下步骤：

步骤一：将RFID标签绑定在人体运动节点处，同步采集所做动作下多标签信道接收天线的RSSI数据，将采集到的动作数据按照时间序列排列，并分别导入相应动作类别表格当中，制作用于人体动作识别的一维信号动作数据集；

步骤二：采用高斯滤波对采集到的一维信号动作数据集进行去噪处理，滤除误差较大的干扰值，使信号变得平滑；然后采用离差标准化进行数据归一化处理，从而提升分类模型的收敛速度和精度；

步骤三：对去噪、归一化后的一维信号动作数据集进行特征提取，采用滑动窗口提取信号的时域特征，包括平均值、方差和标准差；通过对信号进行小波分析，提取信号的近似分量和细节分量，最后构成特征向量；

步骤四：利用小波变换对去噪、归一化后的一维信号动作数据集进行时频分析，得到每类动作下的时频图，制作用于人体动作识别的二维时频图动作数据集，从而构成多模态人体动作识别数据；