【技術實現步驟摘要】
本申請涉及毫米波雷達應用，具體而言，涉及一種人體感知方法和系統。
技術介紹
1、在智能家居領域，人體感知技術已成為家電智能化升級的重要方向之一。科技的進步促使智能空調的出現，尤其能實現有無人自動開關空調的操作，可以使人們的生活更加便捷，并且隨著環境溫室效應日益嚴重，該技術可以有效減少碳排放。自動開關空調使得用戶無需擔心忘記關空調，具有較好的市場前景。
2、紅外傳感器是依靠探測人體發射的10um左右的紅外線進行工作。受到各種熱源干擾，特別是在室溫接近人體溫度時，難以準確區分人體和背景溫度，紅外傳感器的檢測精度會大幅下降，無法準確區分人體和其他移動物體，導致誤報率較高；同時，人體發射的紅外易被遮擋，從而產生漏報，工作性能穩定性較差。基于rgb相機通過圖像處理進行人體感知的視覺識別方案對光線依賴強，視覺識別涉及用戶隱私安全問題，特別是在居家環境中，這種攝像頭的使用往往會讓用戶感到不安，影響其接受度。微波傳感器能較好的保護用戶隱私，但是人體感知的準確率較低。
3、綜上所述，現有人體感知方法的感知準確度較低。
技術實現思路
1、本專利技術的目的在于，針對上述現有技術中的不足，提供一種人體感知方法和系統，以解決現有技術中人體感知方法的感知準確度較低的問題。
2、為實現上述目的，本專利技術采用的技術方案如下：
3、本申請提供一種人體感知方法，該方法包括如步驟：
4、s1，獲取回波數據；
5、s2，對回波數據進行處理，得到一維
6、s3，對一維傅里葉變換結果進行快速傅里葉變換和加窗，得到二維快速傅里葉變換結果，采用so-cfar算法對其進行檢測，生成快幀點云數據集合；
7、s4，對一維傅里葉變換均值進行快速傅里葉變換和加窗，得到二維快速傅里葉變換結果，采用so-cfar算法對其進行檢測，生成慢幀點云數據集合；
8、s5，對快幀點云數據集合和慢幀點云數據集合進行聚類與濾波，得到目標信息；
9、s6，目標保持與生理目標位置信息的獲取；
10、s7，有無人狀態的判定。
11、進一步地，步驟s1中，首先，進行adc基本電壓的自校準，mcu通過spi接口協議控制射頻芯片發射線性調頻連續波，adc對回波信號進行采樣。
12、更進一步地，步驟s2包括，將多個回波信號進行非相參積累，得到時域信號數據，時域信號數據減去上一幀采樣數據的均值，再在距離維上進行一維快速傅里葉變換和加窗，得到一維傅里葉變換結果，對一維傅里葉變換結果取均值，得到一維傅里葉變換均值。
13、更進一步地，步驟s3中，cfar檢測器將窗口分為參考單元、保護單元、檢測單元，當檢測單元的值大于檢測門限s時，保存數據，形成快幀點云數據集合。
14、更進一步地，檢測門限s=kzso，其中，k為閾值門限因子，zso=min（x，y），x和y分別為檢測單元兩側的參考單元的平均值，x=，y=，其中，n表示單側參考單元中元素的數量，i表示第i個元素。
15、更進一步地，步驟s4中，一維傅里葉變換均值為40*1的一個數據集合，將前32幀的一維傅里葉變換均值按順序填充，形成40*32的數據集合，在多普勒速度維做快速傅里葉變換和加窗，得到二維快速傅里葉變換結果，對二維快速傅里葉變換結果進行檢測，得到慢幀點云數據集合。
16、更進一步地，步驟s5中，采用dbscan算法對快幀點云數據集合和慢幀點云數據集合分別進行聚類，采用均值濾波方法對聚類結果進行濾波。
17、更進一步地，步驟s6中，均值濾波后存儲的目標信息與前一個目標信息的差值在距離單位小于3，速度單位小于5，則保持前一個目標信息的保持點；否則，建立新的保持點。
18、更進一步地，步驟s7中，當運動目標、微動目標、生理目標都消失時，判定為檢測范圍內無人；否則，判定為檢測范圍內有人。
19、本申請還提出了一種人體感知系統，系統包括加速器和處理器，加速器為集成雷達基帶處理器算法加速器包括數據轉移模塊、信號處理模塊、數據處理模塊；處理器為32bitcpu處理器包括聚類模塊、均值濾波模塊、目標保持模塊、生理信號檢測模塊、目標信息輸出模塊；系統執行上述方法。
20、與現有技術相比，本專利技術的有益效果：
21、本申請方法使用毫米波雷達進行探測，在信號處理上分為快時間幀維度和慢時間幀維度，快時間幀維度專注于宏觀運動，捕獲顯著運動信息，幫助識別目標的存在與大致位置；慢時間幀維度聚焦于微小、生理性的運動信號，用于提取更細膩的微動信息，這有助于感知到人的細微動作或生理信號。快時間幀和慢時間幀的配合能從運動和微動兩個層面實現互補，不僅豐富了識別信息的層次，還增強了系統對復雜場景和微小生理信號的感知能力，心跳、呼吸等生理信號可以增強目標識別的穩定性，幫助區分人體與其他運動物體，避免誤報，從而顯著提升了人體感知識別的準確度。
22、提升信噪比，增強抗干擾能力：快時間幀的高靈敏度特性可以快速過濾出主要運動目標，而慢時間幀則有助于在噪聲較大的情況下檢測微小的生理信號，如心跳、呼吸等；即使在復雜環境或噪聲干擾下，系統依舊可以保持較高的識別精度。
本文檔來自技高網...【技術保護點】
1.一種人體感知方法，其特征在于，所述方法包括如步驟：
2.根據權利要求1所述的人體感知方法，其特征在于，所述步驟S1中，首先，進行ADC基本電壓的自校準，MCU通過SPI接口協議控制射頻芯片發射線性調頻連續波，ADC對回波信號進行采樣。
3.根據權利要求2所述的人體感知方法，其特征在于，所述步驟S2包括，將多個回波信號進行非相參積累，得到時域信號數據，所述時域信號數據減去上一幀采樣數據的均值，再在距離維上進行一維快速傅里葉變換和加窗，得到所述一維傅里葉變換結果，對所述一維傅里葉變換結果取均值，得到所述一維傅里葉變換均值。
4.根據權利要求3所述的人體感知方法，其特征在于，所述步驟S3中，CFAR檢測器將窗口分為參考單元、保護單元、檢測單元，當所述檢測單元的值大于檢測門限S時，保存數據，形成快幀點云數據集合。
5.根據權利要求4所述的人體感知方法，其特征在于，所述檢測門限S=kZso，其中，k為閾值門限因子，Zso=min（X，Y），X和Y分別為所述檢測單元兩側的所述參考單元的平均值，X=，Y=，其中，N表示單側所述參考單元中元素的
6.根據權利要求5所述的人體感知方法，其特征在于，所述步驟S4中，所述一維傅里葉變換均值為40*1的一個數據集合，將前32幀的所述一維傅里葉變換均值按順序填充，形成40*32的數據集合，在多普勒速度維做快速傅里葉變換和加窗，得到二維快速傅里葉變換結果，對所述二維快速傅里葉變換結果進行檢測，得到慢幀點云數據集合。
7.根據權利要求6所述的人體感知方法，其特征在于，所述步驟S5中，采用DBSCAN算法對所述快幀點云數據集合和所述慢幀點云數據集合分別進行聚類，采用均值濾波方法對聚類結果進行濾波。
8.根據權利要求7所述的人體感知方法，其特征在于，所述步驟S6中，均值濾波后存儲的目標信息與前一個目標信息的差值在距離單位小于3，速度單位小于5，則保持前一個目標信息的保持點；否則，建立新的保持點。
9.根據權利要求8所述的人體感知方法，其特征在于，所述步驟S7中，當運動目標、微動目標、生理目標都消失時，判定為檢測范圍內無人；否則，判定為檢測范圍內有人。
10.一種人體感知系統，其特征在于，所述系統包括加速器和處理器，所述加速器為集成雷達基帶處理器算法加速器，包括數據轉移模塊、信號處理模塊、數據處理模塊；所述處理器為32bitCPU處理器包括聚類模塊、均值濾波模塊、目標保持模塊、生理信號檢測模塊、目標信息輸出模塊；所述系統執行權利要求1-9任意所述方法。
...【技術特征摘要】
1.一種人體感知方法，其特征在于，所述方法包括如步驟：
2.根據權利要求1所述的人體感知方法，其特征在于，所述步驟s1中，首先，進行adc基本電壓的自校準，mcu通過spi接口協議控制射頻芯片發射線性調頻連續波，adc對回波信號進行采樣。
3.根據權利要求2所述的人體感知方法，其特征在于，所述步驟s2包括，將多個回波信號進行非相參積累，得到時域信號數據，所述時域信號數據減去上一幀采樣數據的均值，再在距離維上進行一維快速傅里葉變換和加窗，得到所述一維傅里葉變換結果，對所述一維傅里葉變換結果取均值，得到所述一維傅里葉變換均值。
4.根據權利要求3所述的人體感知方法，其特征在于，所述步驟s3中，cfar檢測器將窗口分為參考單元、保護單元、檢測單元，當所述檢測單元的值大于檢測門限s時，保存數據，形成快幀點云數據集合。
5.根據權利要求4所述的人體感知方法，其特征在于，所述檢測門限s=kzso，其中，k為閾值門限因子，zso=min（x，y），x和y分別為所述檢測單元兩側的所述參考單元的平均值，x=，y=，其中，n表示單側所述參考單元中元素的數量，i表示第i個元素。
6.根據權利要求5所述的人體感知方法，其特征在于，所述步驟s4中，所述一維傅里葉變換均值...
【專利技術屬性】
技術研發人員：陳坤，袁常順，羅雨泉，何雨強，孫忠勝，向洪，李雅鑫，梁松，王占，
申請(專利權)人：北京航空航天大學杭州創新研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。