為實現(xiàn)雙人場景下人體行為的識別,利用調(diào)頻連續(xù)波（frequency modulated continuous wave, FMCW）雷達提出一種基于空間聚類的雙人行為識別方法.該方法采用基于密度的DBSCAN（density-based spatial clustering of applications with noise）聚類算法將FMCW雷達采集到的坐標數(shù)據(jù)聚類成不同的聚類群,使得每一個聚類群對應于單一人體的行為,再對其進行數(shù)據(jù)處理、特征提取后分別采用機器學習方法分類,實現(xiàn)雙人場景下人體行為的識別.文中分析行為特征量、動作關鍵點以及分類器對識別準確率的影響.實驗結果表明,在兩人場景中該方法對跌倒、坐下和行走的檢測準確率分別可以達到100%、 93.8%和87.3%. 

【文章來源】：福州大學學報(自然科學版). 2020,48(04)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

系統(tǒng)模型

以圖3所示的一發(fā)兩收的天線配置為例, 發(fā)射天線發(fā)出的信號經(jīng)過目標反射到達不同的接收天線時, 由于接收天線間距為d, 信號傳播路徑相差d sin θ, 通過檢測兩根接收天線上信號的相位差, 可以估計出檢測目標的方位角θ. 同理, 由于發(fā)射天線TX2和TX1、 TX3具有不同高度, 在接收天線上檢測分別由TX2和TX1、 TX3發(fā)射的信號的相位差可得出檢測目標的仰角?.圖3 方位角引起的信號傳播延遲

圖2 雷達天線布置圖如圖4所示, 通過采用時分復用的方式將線性調(diào)頻波交替加載到3根發(fā)射天線, 可等效成一個具有12個接收天線陣元的雷達系統(tǒng)[11]. 對4根接收天線上接收到的12個信號進行相位檢測, 可以得到檢測目標距雷達的距離R, 方位角θ和仰角?, 如圖5所示, 并根據(jù)下式計算出目標所在的直角坐標(x, y, z).

【參考文獻】：
期刊論文
[1]自適應確定DBSCAN算法參數(shù)的算法研究[J]. 李文杰,閆世強,蔣瑩,張松芝,王成良.  計算機工程與應用. 2019(05)
[2]基于FMCW雷達的多維參數(shù)手勢識別算法[J]. 王勇,吳金君,田增山,周牧,王沙沙.  電子與信息學報. 2019(04)
[3]Literature Review on Wireless Sensing——Wi-Fi Signal-Based Recognition of Human Activities[J]. Chao Wang,Siwen Chen,Yanwei Yang,Feng Hu,Fugang Liu,Jie Wu.  Tsinghua Science and Technology. 2018(02)
[4]基于可穿戴傳感器的人體活動識別研究綜述[J]. 鄭增威,杜俊杰,霍梅梅,吳劍鐘.  計算機應用. 2018(05)
[5]紅外圖像中基于多特征提取的跌倒檢測算法研究[J]. 楊任兵,程文播,錢慶,章強,錢俊,潘宇駿.  紅外技術. 2017(12)
[6]基于云計算的可穿戴式老齡人異常行為檢測系研究[J]. 羅堅,唐琎,毛芳,趙鵬,汪鵬.  傳感技術學報. 2015(08)

碩士論文
[1]基于WiFi的室內(nèi)多人活動檢測與識別方法的研究[D]. 謝曉浩.湖南大學 2018
[2]基于多普勒雷達的跌倒檢測方法研究[D]. 陳旻罡.太原理工大學 2018



本文編號：3523623