【摘要】：家居環(huán)境的活動監(jiān)測備受人們關(guān)注。傳統(tǒng)的基于視頻技術(shù)和可穿戴傳感器的方法,硬件要求頗多,系統(tǒng)搭建復(fù)雜,均受到硬件成本的限制,不具備設(shè)備的普及性和用戶的便利性。近年來,隨著WiFi技術(shù)的不斷創(chuàng)新和發(fā)展,以及WiFi設(shè)備的廣泛部署,如何在滿足用戶活動監(jiān)測需求的同時,盡量減少對用戶的影響,以及提高系統(tǒng)的普適性,成為了系統(tǒng)設(shè)計的關(guān)鍵。因此,本文研究基于普通WiFi設(shè)備的人體動作識別和跌倒檢測方法。WiFi信號的信道狀態(tài)信息(Channel State Information,CSI)作為物理層的信息,能夠測量信號每一個子載波的幅度和相位信息,具有一定的多徑分辨能力。利用CSI自身的優(yōu)勢可以進行細粒度的環(huán)境感知。因此,本文主要研究利用CSI進行人體動作識別的方法,主要的研究內(nèi)容總結(jié)如下:1.提出了一種基于信道狀態(tài)信息的動作識別方法。對于不同人體動作而言,都會引起CSI信號不同的變化。重點在于將人體動作和對應(yīng)的CSI片段相關(guān)聯(lián),并建立模型。利用CSI的幅度和相位信息,同時結(jié)合信號子載波的分析,提出CSI-SRC(Sparse Representation Classification,稀疏表示分類)的識別方法,其中針對不同時間間隔的CSI序列,提出子載波插值處理的方法,獲取相同時刻的CSI測量值。最后,通過實驗驗證了本方法能夠?qū)ΤＲ姷娜梭w動作進行有效地識別,平均識別率可到達96.4%,同時降低了發(fā)包率。2.提出了一種基于信號傳播路徑改變率的跌倒檢測方法。研究和分析信號的傳播路徑改變率(Path Length Change Speed,PLCS)這一重要特征,通過對CSI信號進行時頻域的分析,獲取其能量分布。通過分析不同的動作對信號的傳播路徑的影響,提出基于路徑改變率的跌倒檢測方法,將路徑改變率作為跌倒和類似跌倒動作的判別依據(jù)。最后,通過隨機森林(Random Forest,RF)的分類算法,對跌倒動作進行檢測,并通過實驗驗證了本方法在室內(nèi)環(huán)境中能夠?qū)崿F(xiàn)跌倒檢測,保證較高檢測率的同時,降低了誤報率。實驗結(jié)果表明,平均檢測率可達到93.6%,而誤報率僅為7%。3.針對以上提出的兩種方法,搭建實際的數(shù)據(jù)采集環(huán)境采集真實的人體動作數(shù)據(jù)對其進行驗證。并且從識別準確率、檢測率、誤報率等方面對所提出的動作識別和跌倒檢測系統(tǒng)的性能進行評估,實驗結(jié)果表明,系統(tǒng)整體性能較好,能夠滿足動作識別以及跌倒檢測的需求。
【圖文】：

拖地邐睡覺逡逑圖３．邋１不同動作的ＣＳＩ波形逡逑３．３基于信道狀態(tài)信息的動作識別方法逡逑通過對人體動作與ＣＳＩ變化的分析，本文提出基于信道狀態(tài)信息的動作識別逡逑方法（Ｃｈａｎｎｅｌ邋Ｓｔａｔｅ邋Ｉｎｆｏｒｍａｔｉｏｎ邋ｂａｓｅｄ邋ｏｎ邋Ｓｐａｒｓｅ邋Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ，逡逑ＣＳＩ－ＳＲＣ），通過分析人體動作引起的ＣＳＩ信號變化的特征，提取ＣＳＩ時域和頻逡逑域的信息，進一步分析和研究人體動作和ＣＳＩ信號的對應(yīng)關(guān)系，從而建立基于稀逡逑疏表示的動作分類模型對人體動作進行分類和識別。圖３．２給出了邋ＣＳＩ－ＳＲＣ動作逡逑識別方法的框架。從圖中可以看出，系統(tǒng)的框架主要分為兩個部分，第一部分利逡逑用無線發(fā)射器發(fā)射ＷｉＨ信號；第二個部分通過普通電腦接收ＷｉＦｉ信號，當(dāng)測試逡逑人員在發(fā)射器和接收器活動時，利用ＣＳＩ工具懫集ＷｉＦｉ信號的ＣＳＩ信息，包括逡逑ＣＳＩ的幅度和相位信息。后續(xù)會詳細解釋ＣＳＩ－ＳＲＣ方法中一系列的數(shù)據(jù)處理的方逡逑法

式計算出ｔ時刻對應(yīng)的ＣＳＩ值／／４。對所有序列都進行插值處理，因此時刻的ＣＳＩ值，表示為：逡逑（值處處理方法的優(yōu)點在于能夠獲取不同的動作在相同的時刻對應(yīng)的而更好地分析不同的動作的ＣＳＩ變化的相關(guān)性，進而提取每個動作對由于ＷｉＦｉ信號在傳播的過程中會受到環(huán)境噪聲的影響，為了去除這分，本文選擇巴特沃茲低通濾波器對原始信號進行降噪處理，如圖３拖地兩個動作的原始波形可以看出，環(huán)境噪聲對接收端的ＣＳＩ測量值的影響，掩蓋了由于人體的動作造成的ＣＳＩ值的變化模式。經(jīng)過低通處理之后，情況得到明顯改善，，在去除無關(guān)噪聲成分的同時有效地保作的特征，從圖中可以明顯地看出，當(dāng)人體做不同的動作（如站、拖ＳＩ幅值的變化存在較大的差異，實驗中也發(fā)現(xiàn)，有些動作（如下蹲、趨勢出現(xiàn)類似的情況，在進行分類時較難區(qū)分，因此單純的幅值信息作的特征，準確描述每個動作的特征在后面章節(jié)的特征提取會做詳細
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN92

【參考文獻】

相關(guān)期刊論文 前10條

1 沈晴;班曉娟;常征;郭靖;;基于視頻的人機交互中動作在線發(fā)現(xiàn)與時域分割[J];計算機學(xué)報;2015年12期

2 谷雨;權(quán)良虎;陳孟妮;任福繼;;基于WiFi背景噪音的被動式人體行為識別研究[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2015年04期

3 沈秉乾;武志勇;賀前華;李磊;;人體姿勢狀態(tài)判決的跌倒檢測方法[J];計算機應(yīng)用;2014年S1期

4 王原;湯勇明;王保平;;基于加速度傳感器的大手勢集手勢識別算法改進研究[J];傳感技術(shù)學(xué)報;2013年10期

5 徐川龍;顧勤龍;姚明海;;一種基于三維加速度傳感器的人體行為識別方法[J];計算機系統(tǒng)應(yīng)用;2013年06期

6 盧先領(lǐng);王洪斌;王瑩瑩;徐保國;;一種基于加速度傳感器的人體跌倒識別方法[J];計算機應(yīng)用研究;2013年04期

7 肖玲;李仁發(fā);羅娟;;體域網(wǎng)中一種基于壓縮感知的人體動作識別方法[J];電子與信息學(xué)報;2013年01期

8 錢志鴻;王義君;;面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J];電子與信息學(xué)報;2013年01期

9 王斌;王媛媛;肖文華;王煒;張茂軍;;基于判別稀疏編碼視頻表示的人體動作識別[J];機器人;2012年06期

10 孫洪;張智林;余磊;;從稀疏到結(jié)構(gòu)化稀疏:貝葉斯方法[J];信號處理;2012年06期

本文編號：2625503