[发明专利]一种基于双毫米波雷达的船舶环境下步态识别方法

权利要求书

1.一种基于双毫米波雷达的船舶环境下步态识别方法，其特征在于：包括以下步骤，

S1、在船舱的人员检测区域设置第一毫米波雷达与第二毫米波雷达，使第一毫米波雷达检测被测目标在船载环境下的上肢特征，第二毫米波雷达检测被测目标在船载环境下的下肢特征，并且第一毫米波雷达与第二毫米波雷达的检测范围不重叠；

S2、对第一毫米波雷达的探测数据进行点云预处理，获得上肢的3D点云特征图，对第一毫米波雷达和第二毫米波雷达的探测数据进行短时傅里叶变换分别得到上肢的速度-时间特征图和下肢的速度-时间特征图，对下肢的速度-时间特征图再进行快速傅里叶变换得到下肢的节奏频率-速度特征图；

S3、根据设定的步态类目建立mmGRnet网络；对上肢的3D点云特征图、上肢的速度-时间特征图、下肢的速度-时间特征图、下肢的节奏频率-速度特征图降噪后，输入mmGRnet网络，mmGRnet网络运算后输出被测目标的步态类型；其中mmGRnet网络包括输入层、卷积层、LSTM层以及全连接层；

输入层的数据形式为T×X×Y×4，其中T为帧数，X、Y由第一毫米波雷达与第二毫米波雷达所采集信号的数据形式决定；卷积层包括4组并行的CNN，每组CNN用于分别处理每帧的上肢的3D点云特征图、上肢的速度-时间特征图、下肢的速度-时间特征图、下肢的节奏频率-速度特征图；LSTM层共有4个，分别与每组CNN对应，每个LSTM层包括T个单向LSTM CELL，同一LSTM层的T个单向LSTM CELL用于分别处理某一类型特征图的T帧；

mmGRnet网络中，对于单个特征图输入的损失函数为，

其中，L_s为单特征图输入的损失函数；T为输入的特征图帧数；k为样本数据，通过实验分析得到；n为步态类型序号；M为步态类型总数；y_kn为实际步态类型标签；p_kn为预测步态类型标签；

步态识别损失函数为，

L＝loss_f+ωL_s

上式中，loss_f为多种特征图融合时的网络计算损失；ω为单特征图的损失权重；L为步态识别损失函数。

2.根据权利要求1所述的基于双毫米波雷达的船舶环境下步态识别方法，其特征在于：S2中点云预处理包括点云聚类。

3.根据权利要求2所述的基于双毫米波雷达的船舶环境下步态识别方法，其特征在于：点云聚类具体采用DBSCAN算法。

4.根据权利要求1所述的基于双毫米波雷达的船舶环境下步态识别方法，其特征在于：S3中具体采用CA-CFAR进行降噪。

5.根据权利要求1所述的基于双毫米波雷达的船舶环境下步态识别方法，其特征在于：设定的步态类目中具有的步态类型包括正常行走、跑动、拄拐跛行、不拄拐跛行。

6.一种基于mmGRnet网络的步态识别装置，其特征在于：该装置用于实现权利要求1-5任一项所述方法中的对第一毫米波雷达与第二毫米波雷达的探测数据的处理以及对被测目标的步态类型的识别，其包括探测数据处理模块以及步态类型识别模块；

其中探测数据处理模块对第一毫米波雷达的探测数据进行点云预处理，获得上肢的3D点云特征图，对第一毫米波雷达和第二毫米波雷达的探测数据进行短时傅里叶变换分别得到上肢的速度-时间特征图和下肢的速度-时间特征图，对下肢的速度-时间特征图再进行快速傅里叶变换得到下肢的节奏频率-速度特征图；探测数据处理模块完成对第一毫米波雷达和第二毫米波雷达的探测数据的处理后将处理后的探测数据传输至步态类型识别模块；

步态类型识别模块中设置有根据设定的步态类目建立的mmGRnet网络，mmGRnet网络包括输入层、卷积层、LSTM层以及全连接层；步态类型识别模块接收到来自探测数据处理模块的经过处理的探测数据后，首先对经过处理的探测数据进行降噪，而后输入mmGRnet网络进行步态类型识别，最后输出被测目标的步态类型。

7.一种基于双毫米波雷达的船舶环境下步态识别系统，其特征在于：该系统用于实现权利要求1-5任一项所述的基于双毫米波雷达的船舶环境下步态识别方法，包括步态检测装置与步态识别装置；其中，步态检测装置包括第一毫米波雷达与第二毫米波雷达，其中第一毫米波雷达检测被测目标在船载环境下的上肢特征，第二毫米波雷达检测被测目标在船载环境下的下肢特征，并且第一毫米波雷达与第二毫米波雷达的检测范围不重叠；

步态识别装置包括探测数据处理模块以及步态类型识别模块，探测数据处理模块对第一毫米波雷达的探测数据进行点云预处理，获得上肢的3D点云特征图，对第一毫米波雷达和第二毫米波雷达的探测数据进行短时傅里叶变换分别得到上肢的速度-时间特征图和下肢的速度-时间特征图，对下肢的速度-时间特征图再进行快速傅里叶变换得到下肢的节奏频率-速度特征图；探测数据处理模块完成对第一毫米波雷达和第二毫米波雷达的探测数据的处理后将处理后的探测数据传输至步态类型识别模块；步态类型识别模块中设置有根据设定的步态类目建立的mmGRnet网络，mmGRnet网络包括输入层、卷积层、LSTM层以及全连接层；步态类型识别模块接收到来自探测数据处理模块的经过处理的探测数据后，首先对经过处理的探测数据进行降噪，而后输入mmGRnet网络进行步态类型识别，最后输出被测目标的步态类型。