CN103971108A - 基于无线通信的人体姿态识别方法与装置 - Google Patents

Abstract

本发明公开了一种利用无线通信信号进行人体姿态识别的方法及装置，属于无线通信技术与模式识别领域。本发明在保持正常的无线通信的情况下，当人体姿态(如手势、动作、姿势等)在无线通信信道中变化时，通过对接收端信号的处理，挖掘出各种人体姿态的特征信息，并应用模式识别的方法对人体姿态进行识别。本发明的特点是既可保证正常的无线数据通信，又可实现对人体姿态的识别；也可单独用于人体姿态的识别。本发明为人机交互和人的行为进行监控提供了一种新的技术方法。

Description

基于无线通信的人体姿态识别方法与装置

技术领域：

本发明属于无线通信技术与模式识别领域，主要涉及到利用无线通信信号同时进行无线通信与人体姿态识别，为实现人机交互和对人的行为进行监控提供一种新的技术方法。

背景技术：

随着计算机的广泛应用，人机交互已成为人们日常生活中的重要部分。人机交互的最终目标是实现人与机器自然地交流；同时，随着人们生活水平的不断提高，人们对自身健康的关注也越来越重视，人体的姿态(如手势、动作、姿势等)信息包含了人们的各种各样的人体信息和行为状态，对这些信息进行识别，为实现人机交互和对人的行为活动监控，提供了一种全新的技术方法。然而由于人体姿态具有多样性、多义性以及时间和空间上的差异性等特点，并且人体姿态是复杂变形体，所以人体姿态(如手势、动作、姿势等)识别成为多学科交叉的研究课题。

通常,人体姿态识别主要利用传感器设备直接检测手、胳膊各关节的角度和空间位置。这些设备多是通过有线和无线技术将计算机系统与用户相互连接，其典型设备如数据手套等。数据手套是由多个传感器件组成，通过这些传感器可将用户手的位置、手指的方向等信息传送到系统中。数据手套虽可提供良好的检测效果，但应用不便且成本较高。

其次，光学标记方法通过红外线可将人手位置和手指的变化传送到系统屏幕上，该方法也可提供良好的效果，但设备比较复杂。外部设备的介入虽使得手势识别的准确度和稳定性得以提高，但却掩盖了手势自然的表达方式。

因此，基于视觉的人体姿态识别方式应运而生。视觉人体姿态识别是指对视频采集设备拍摄到的包含人体姿态的图像序列，通过计算机视觉技术进行处理，进而对人体姿态加以识别。但是视频识别涉及到用户的隐私，给用户带来很多不便。

前不久，华盛顿大学提出一种利用收发节点之间动态手势产生的多普勒频移差异作为特征来识别手势的方法，目前可以成功识别9种手势。该方法简单易行但缺点是只能通过多普勒频移差异识别动态手势，而不能识别静止的手势。

本发明基于无线通信信号传输特点，即无线信号在传播过程中，会发生折射、反射、绕射、散射及吸收等，因此，无线信号将受到收发装置之间不同的人体姿态变化而发生变化。本发明在不影响正常无线通信的同时，通过对无线通信信号的分析处理，提取出表征人体姿态的特征信息，通过训练学习，建立相应的人体姿态识别模型，再利用识别模型对人体姿态进行识别，从而达到人机交互和对人的行为进行监控的目的。本发明也可仅用于对人体姿态识别的方法及装置。

发明内容：

本发明的目的是解决现有人体姿态识别系统复杂、成本高、应用不便等问题，提出了一种基于无线通信信号的人体姿态识别技术，该技术充分结合了无线通信与模式识别技术，在不影响数据传输的同时实现了对人体姿态的识别。

其技术方案具体步骤如下：

1、在待识别区域部署无线通信收发装置，其中发射装置用于发射无线信号，接收装置用于接收信号，并对其所接收的信号进行处理；

2、接收装置在工作模式中，可保证其正常的无线通信；

3、接收装置工作为两种模式，即学习训练工作模式和正常识别工作模式；

4、当接收装置设置学习训练工作模式时，在收发装置之间保持某一种静止或者动态的人体姿态，接收装置提取接收信号的参数特征(如信道参数、相关值、双谱、高阶量、小波参数等)；

5、重复上述步骤4，提取各种不同的人体姿态下接收信号的参数特征；

6、将5中所提取的信号参数特征通过训练学习，得到各种人体姿态的识别模型；

7、当识别模型训练完成后，接收装置进入识别工作模式；

8、采用步骤4所提取的信号参数特征和步骤6所得到识别模型，对各种不同的人体姿态进行识别；

9、上述2中接收装置解调无线通信信号得到发射装置所发送的数据，其保证了原有的无线通信功能；步骤4、5、6和7通过对接收装置所接收的信号进行分析处理、提取信号特征，并经训练学习得到识别模型，从而达到对各种人体姿态进行识别的功能。

本发明具有如下有益效果：

1、本发明充分挖掘接收信号的波形信息，通过提取参数特征，训练学习得到识别模型，然后对所接收到的信号所对应的人体姿态进行识别，该方法不需要应用复杂的电磁波理论，简单易行；

2、本发明在识别实现人体多种姿势识别的同时，并不影响原有的无线信号数据传输的功能；

3、实际应用过程中，本发明可以实现人体多种姿势识别，包括静止姿势和动态的动作，相比利用多普勒频移的方法具有更大的应用范围；

4、本发明相比于视频或者图像识别的方法，可以有效的保护用户隐私；相比于数据手套、光学标记笔等装备，可以大大降低成本，具有较好的推广性。

附图说明：

图1:无线通信与人体姿势识别系统示意图

图2:人体姿势识别流程示意图

图3:IEEE802.11a物理层帧结构参数

图4:应用Wi-Fi信号手势识别示例

具体实施方式：

下面结合附图对本发明做进一步详细的说明。

无线通信与人体姿势识别系统示意图如图1所示，本发明人体姿势识别区域位于两收发装置之间。因无线信号是通过电磁波由天线发射出去的，电磁波经过人体时会产生折射、反射、绕射、散射等，通过提取接收端时域波形的采样值，提取相应的特征参数，利用模式识别的方法对人体姿态进行识别。图中各个模块具体的功能描述如下：

模块101：发射装置需要发射的数据信息，例如无线路由器、无线传感器节点等其他终端设备需要发射的数据信息。

模块102：发射的数据信息需要经过信源编码以及信道编码等步骤。

模块103：经上述模块处理所得到的数字基带信号经调制技术转换成射频信号，已便于无线信号的发射。

模块104：接收装置对接收的无线信号进行采样，以便对接收信号的后续处理。

其中模块103与模块104两个天线之间为人体姿势识别的区域。

模块105：对接收信号进行解调、解码处理，得到所传输的数据信息。

模块106：主要包括对接收端的数据进行归一化预处理，然后利用信号处理得方法(如信道估计、小波分析、高阶累积量、主成分分析等方法)提取接收信号的参数特征。

模块107：主要利用模块106提取的特征信息对识别模型进行训练，得到相应的人体姿态识别模型。

模块108：利用模块107所训练得到的识别模型，对正常识别时所接收的信号进行识别，从而得到相应的人体姿态信息。

为了降低装置的复杂度和成本等，上述保持通信功能的105模块可以去掉，只需要保持106、107、108三个模块，仅用于人体姿态识别的方法和装置。

综上所述，本发明充分结合了无线通信与模式识别技术，提出一种基于无线信号的人体姿势识别方法及装置，在不影响数据传输的同时实现了对人体姿势的识别。本发明具有复杂度低、成本低、应用方便等优势，便于广泛推广应用。

人体姿势识别流程示意图如图2所示，获取原始测量数据后，接下来将利用模式识别手段对数据进行处理。各模块功能描述如下：

模块201：原始测量数据的获取，该模块在接收解调过程中获取时域采样数据。

模块202：对获取的数据预处理，如数据幅值提取、相位提取以及归一化等，该步骤用来保证后续各个模块运算都在合理范围之内。

模块203：该模块用来提取表征信号变化的特征参数，并通过信号分析处理方法，如信道估计、时频分析、小波分析、主成分分析等方法提取这些特征参数。

模块204：利用模块203所提取的数据，训练学习建立相应的人体姿态识别模型。

模块205：判断学习过程是否结束。

模块206：如果模式识别学习过程未完成则需要继续学习。

模块207：训练识别模型完成后即可对后续所接收的信号进行特征提取，然后判别出相应的人体姿势。

模块208：判断所得出相应的人体姿势结果，可以用来实现人机交互和对人的行为进行监控。

综上，人体姿势识别先通过样本数据预处理、特征提取、分类训练，根据204训练得到的识别模型进行识别，并输出相应结果。

下面通过一个具体实施案例阐述基于无线信号进行无线通信与手势识别的方法。本示例采用的通信协议是802.11a标准。该标准广泛应用在无线局域网中，其协议中物理层数据帧结构共包括三部分:前导、符号和数据部分。

IEEE802.11a物理层数据帧结构参数如图3所示，其中具体描述如下：

模块301：IEEE802.11a前导部分按功能的不同分为长前导和短前导，短前导包括10个短训练序列，共占用时隙8us，短前导部分主要用来实现接收端载波侦听、码元同步等。

模块302：长前导包括两个长训练序列和循环前缀，共占用时隙8us。长前导主要用来估计频偏和信道等。本示例提取的是长度为128的长训练序列时域样值，此即为原始测量数据。

模块303：符号部分包含解调数据帧所需要的控制信息，例如发送字节长度、调制方式等。

模块304：数据部分是实际发送的信息部分，该部分需要进行信源编码、信道编码等步骤生成可以发射的数据帧。

模块305：该模块是可变长度的数据帧部分。

示例中的Wi-Fi信号手势识别平台如图4，其中示例的接收端手势识别流程具体如下：

1、发射节点发射Wi-Fi信号，接收端通过符号同步、频偏估计和信道估计等解调出发射端的数据，并提取出接收信号的前导部分；

2、计算出前导部分的信号幅值与相位值并进行归一化；

3、利用小波变换的方法提取上述前导数据的小波熵特征向量作为各种手势对应的特征；

4、利用步骤3得到的小波熵特征向量训练支持向量机，可以确定该识别模型的参数值，最终得到手势识别模型；

5、手势识别模型训练完成后进入手势识别模式，依次重复步骤1、2和3，对接收端不同手势下提取的小波熵特征向量进行识别；

6、上述2、3、4过程中提取节点Wi-Fi信号前导特征可以反映Wi-Fi信号受不同手势的影响情况，依据此差异来识别手势；而1中收发信号过程中通过频偏估计、信道估计等处理可以有效补偿手势造成的影响从而保证原有的通信功能。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种无线数据通信与人体姿态(如手势、动作、姿势等)识别相结合的方法，其特征在于，该方法包括：

在待识别区域部署无线通信信号发射和接收装置；

提取接收信号中的人体姿态(如手势、动作、姿势等)信息参数及特征；

训练学习识别模型；

根据训练学习所得到的识别模型，对所提取的接收信号中的人体姿态(如手势、动作、姿势等)信息参数特征进行识别处理，可实现对人体各种姿态(如手势、动作、姿势等)的识别。

2.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)识别相结合的方法，其特征在于，在待需要进行人体姿态识别的区域部署两个通信装置。

3.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)相结合的方法，其特征在于，提取接收信号中的人体姿态信息参数及特征。

4.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)相结合的方法，其特征在于，应用多次测量所获得的参数特征训练人体姿态的模型参数。

5.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)相结合的方法，其特征在于，根据训练人体姿态的模型参数，对实际无线通信环境中进行人体姿态识别的方法。

6.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)相结合的方法，其特征在于，该方法包括：在对人体姿态进行识别，也可单独作为一个基于无线通信的人体姿态识别装置。

7.如权利要求1所述的一种无线数据通信与人体姿态(如手势、动作、姿势等)相结合的方法，其特征在于，该方法包括：在对人体姿态进行识别的同时，能进行正常的无线数据传输；即该装置也是一种无线通信装置。