基于鬼影消除的毫米波雷达步态识别方法、装置及设备

本公开属于生物特征识别，具体涉及基于鬼影消除的毫米波雷达步态识别方法、装置及设备。

背景技术：

1、步态，即人在行走或跑步时的步伐和运动方式，是一种理想的用于非接触式的远程身份识别的生物特征。

2、毫米波雷达提供了一种以可以区分多人、保护隐私且无需佩戴的方式进行步态识别的方案。人体的运动会引起毫米波雷达反射信号的相位和幅度变化，基于对毫米波信号的分析可以可提取出人体在行走过程中距离和多普勒速度之间的分布关系，即步行的模式，从而进行身份识别。

3、但是毫米波雷达回波在经过人体、墙壁等多次反射后，可能产生大量“鬼影”。这些影响可能导致虚假检测，或与真实目标混淆，难以加以区分。

技术实现思路

1、本公开实施例提出了一种基于鬼影消除的毫米波雷达步态识别方案，以解决现有的毫米波雷达步态识别方案因为无法解决“鬼影”的存在而不可靠的问题。

2、本公开实施例的第一方面提供了一种基于鬼影消除的毫米波雷达步态识别方法，包括：

3、获取毫米波雷达对目标区域在预设时间段的中频信号，基于所述中频信号生成所述区域每个目标的迷你距离多普勒热图；

4、基于所述迷你距离多普勒热图计算所述目标的躯干速度并确定任意两个所述目标的秩次相关性，基于所述秩次相关性去除所述目标中的鬼影，基于所述躯干速度确定对应的真实目标每个步态的起始时间，其中，所述鬼影指的是虚假目标；

5、对每个真实目标，基于所述真实目标的所述迷你距离多普勒热图和每个所述步态的起始时间生成与每个所述步态对应的持续预设帧数的雷达方块，将所述雷达方块输入步态识别模型，输出所述目标的身份识别结果。

6、在一些实施例中，所述基于所述中频信号生成所述区域每个目标的迷你距离多普勒热图包括：

7、依次对每一帧的所述中频信号在nr维度和ns维度进行快速傅里叶变换生成所述帧的距离多普勒热图，其中，nr是距离维度的网格数，ns是速度维度的网格数；

8、对所述距离多普勒热图通过归一化进行背景滤除以消除静态目标；

9、再对剩余目标进行聚类，在所述时间段的多帧所述距离多普勒热图中，对每个所述聚类中心点进行追踪，以获取所述目标在所述时间段的位置变化，基于所述聚类中心点的位置生成每个所述目标的迷你距离多普勒热图。

10、在一些实施例中，所述基于所述聚类中心点的位置生成每个所述目标的迷你距离多普勒热图包括：

11、如果所述距离多普勒热图中的目标在聚类之后的中心点为p(rc,vc)，其中rc为距离中心点，vc为速度中心点，则将中心点附近的邻域，[rc-d:rc+d,vmin:vmax]，称之为所述目标的迷你距离多普勒热图，其中d为预设距离，vmin和vmax为毫米波雷达可探测的最小速度和最大速度。

12、在一些实施例中，所述基于所述迷你距离多普勒热图计算所述目标的躯干速度包括：

13、对每个所述目标的迷你距离多普勒热图，在距离维度上进行求和，得到每个所述目标的微多普勒频谱；

14、基于所述目标的微多普勒频谱提取百分位为一半时的速度，所述速度即为所述目标的躯干速度。

15、在一些实施例中，所述确定任意两个所述目标的秩次相关性，基于所述秩次相关性去除所述目标中的鬼影包括：

16、在预设时间段内分别提取两个所述目标的躯干速度，分别对每个所述目标的所述躯干速度进行排序，得到每个所述目标的所述躯干速度排序后的位置序列，所述位置序列即是秩次序列；

17、计算两个所述目标的秩次序列的皮尔逊相关系数；

18、如果所述皮尔逊相关系数不小于预设值，则两个所述目标中位于后方的所述目标即为鬼影。

19、在一些实施例中，所述基于所述躯干速度确定对应的真实目标每个步态的起始时间包括：

20、将所述躯干速度中的中的极大值或极小值对应的时间作为与所述躯干对应的所述目标的一个步态的起始时间。

21、在一些实施例中，所述基于所述真实目标的所述迷你距离多普勒热图和每个所述步态的起始时间生成与每个所述步态对应的持续预设帧数的雷达方块包括：

22、在所述时间段的多帧所述距离多普勒热图中完成对所述真实目标的追踪后，由包含所述真实目标的距离多普勒热图帧中属于所述真实目标的所有迷你距离多普勒热图组成一个由时间，距离，多普勒速度为维度的矩阵；

23、在所述矩阵中，以所述真实目标的每个所述步态的起始时间为起始时间，截取一个持续预设帧数的子矩阵，组成与每个所述步态对应的雷达方块。

24、在一些实施例中，所述步态识别模型的神经网络结构包括三个3x3的卷积层以及每个卷积层之后的最大池化层，之后通过全连接层输入双向长短期记忆网络并连接到输出层，所述输出层对输入向量进行线性变换，并使用relu层作为激活函数；

25、所述步态识别神经网络的训练方法包括：

26、通过毫米波雷达获取目标区域在预设时间段内多个人物目标的所述雷达方块，以所述雷达方块为样本，以所述人物的标识为标签，以交叉熵损失函数与三元损失函数的和作为损失函数对所述神经网络结构进行训练，得到所述步态识别神经网络。

27、本公开实施例的第二方面提供了一种基于鬼影消除的毫米波雷达步态识别装置，包括：

28、热图生成模块，用于获取毫米波雷达对目标区域在预设时间段的中频信号，基于所述中频信号生成所述区域每个目标的迷你距离多普勒热图；

29、步态分割模块，用于基于所述迷你距离多普勒热图计算所述目标的躯干速度并确定任意两个所述目标的秩次相关性，基于所述秩次相关性去除所述目标中的鬼影，基于所述躯干速度确定对应的真实目标每个步态的起始时间，其中，所述鬼影指的是虚假目标；

30、步态识别模块，用于对每个真实目标，基于所述真实目标的所述迷你距离多普勒热图和每个所述步态的起始时间生成与每个所述步态对应的持续预设帧数的雷达方块，将所述雷达方块输入步态识别模型，输出所述目标的身份识别结果。

31、本公开实施例的第三方面提供了一种基于鬼影消除的毫米波雷达步态识别设备，包括存储器和处理器：

32、所述存储器，用于存储计算机程序；

33、所述处理器，用于当执行所述计算机程序时，实现根据本公开第一方面所述的方法。

34、综上所述，本公开各实施例提供的基于鬼影消除的毫米波雷达步态识别方法、装置及设备，基于鬼影的速度与人体的速度成正比的理论，通过从目标的微多普勒频谱提取速度信息，对比鬼影和真实目标之间的速度变化趋势来有效滤除鬼影，并对真实目标基于卷积神经网络和lstm的算法提取步态特征以进行步态识别，从而提供了一种可靠的，可以进行鬼影消除的毫米波雷达步态识别方案。

技术特征：

1.一种基于鬼影消除的毫米波雷达步态识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述中频信号生成所述区域每个目标的迷你距离多普勒热图包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述聚类中心点的位置生成每个所述目标的迷你距离多普勒热图包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述迷你距离多普勒热图计算所述目标的躯干速度包括：

5.根据权利要求1所述的方法，其特征在于，所述确定任意两个所述目标的秩次相关性，基于所述秩次相关性去除所述目标中的鬼影包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述躯干速度确定对应的真实目标每个步态的起始时间包括：

7.根据权利要求2所述的方法，其特征在于，所述基于所述真实目标的所述迷你距离多普勒热图和每个所述步态的起始时间生成与每个所述步态对应的持续预设帧数的雷达方块包括：

8.根据权利要求1所述的方法，其特征在于，所述步态识别模型的神经网络结构包括三个3x3的卷积层以及每个卷积层之后的最大池化层，之后通过全连接层输入双向长短期记忆网络并连接到输出层，所述输出层对输入向量进行线性变换，并使用relu层作为激活函数；

9.一种基于鬼影消除的毫米波雷达步态识别装置，其特征在于，包括：

10.一种基于鬼影消除的毫米波雷达步态识别设备，其特征在于，包括存储器和处理器：

技术总结本公开属于生物特征识别技术领域，具体涉及基于鬼影消除的毫米波雷达步态识别方法、装置及设备。其中所述方法包括：获取毫米波雷达对目标区域在预设时间段的中频信号，基于所述中频信号生成所述区域每个目标的迷你距离多普勒热图；基于所述迷你距离多普勒热图计算所述目标的躯干速度并确定任意两个所述目标的秩次相关性，基于所述秩次相关性去除所述目标中的鬼影，基于所述躯干速度确定对应的真实目标每个步态的起始时间；对每个真实目标，基于所述真实目标的所述迷你距离多普勒热图和每个所述步态的起始时间生成与每个所述步态对应的持续预设帧数的雷达方块，将所述雷达方块输入步态识别模型，输出所述目标的身份识别结果。技术研发人员：王德全,王凯,何晨铭,孟成真,王凌宇,张燕咏受保护的技术使用者：中国科学技术大学技术研发日：技术公布日：2024/7/25