CN106646631A - 智能人体感应方法 - Google Patents
智能人体感应方法 Download PDFInfo
- Publication number
- CN106646631A CN106646631A CN201710015739.3A CN201710015739A CN106646631A CN 106646631 A CN106646631 A CN 106646631A CN 201710015739 A CN201710015739 A CN 201710015739A CN 106646631 A CN106646631 A CN 106646631A
- Authority
- CN
- China
- Prior art keywords
- input
- sample
- output
- output sample
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种智能人体感应方法,包括如下步骤:S1,通过5.8G微波多普勒雷达连续采集人体运动参数,经模/数转换后得到数字信号,将所述数字信号传递至数字信号处理DSP模块,由DSP模块对所述数字信号进行傅里叶变换,得到数字信号的频域特征曲线;S2,在MCU中建立BP人工神经网络;S3,再次进行步骤S1的操作,通过BP神经网络对新获得的信号频域特征曲线进行分析,得出是否有人体运动的结果;S4,用户对检验结果进行校对;S5,MCU模块将得到的结果及校对结果上报至上位机对神经网络进行再训练。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络持续的进行修正和完善,从而持续提高雷达人体感应系统的检测精度。
Description
技术领域
本发明涉及感应探测领域,尤其涉及一种能够准确识别人体的智能人体感应方法。
背景技术
现有的基于微波多普勒效应的人体感应雷达已经大量应用到生活中,例如走廊灯。
随着人们生活水平的提高,智能家居系统在逐渐走进人们的生活,其中智能照明,安防等设施都需要准确判断人的存在。
目前市场上的微波多普勒雷达仅仅对反射波做了简单处理,因此易受干扰,误判率高,不宜在家庭环境使用。
发明内容
针对上述现有技术中的缺点和不足,本发明的目的在于提供一种借助对反射信号能够智能判断的微波雷达实现的智能人体感应方法,提高对人体运动的判断精度,使借助微波雷达形成的雷达人体感应器能在家庭环境下使用。
本发明的目的是通过以下技术方案实现的:
一种智能人体感应方法,包括如下步骤:
S1,通过毫米波生物雷达连续采集生命体生命信号参数,经AD转换后将数字信号传递至DSP模块,DSP模块对数字信号进行傅里叶变换,得到数字信号的频域特征曲线;
S2,多次进行步骤S1的操作后获得大量输入/输出样本对集群,通过BP算法建立人工神经网络;
S3,再次进行步骤S1的操作,DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析,得出是否有人体运动的结果;
S4,DSP模块将得到的结果上报至上位机。
优选地,在步骤S4之后还包括降低人工神经网络误差的操作:
S5,多台上位机将其获得的结果上传至云服务器;
S6,通过对云服务器中汇总得到的结果进行匹配判断:
S601,所述结果对应的输入样本a和输入样本与输入/输出样本对集群中的一个输入/输出样本对匹配,保留该输入/输出样本对;
S602,所述结果对应的输入样本a与输入/输出样本对集群中的一个输入/输出样本对的输入样本匹配而输出样本不匹配,进入到步骤S7;
S603,所述结果对应的输入样本a与输入/输出样本对集群中的所有输入/输出样本对的输入样本均不匹配,进入到步骤S8;
S7,对云服务器中存储的与步骤S602中的输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率,若匹配率处于60%~85%,则对人工神经网络中的各层权值进行调整,使输入样本a及其对应的输出样本与输入/输出样本对集群中的输入/输出样本对的匹配率大于85%;剔除人工神经网络中实际匹配率不高于60%的输入/输出样本对;
S8,对云服务器中存储的与步骤S603中获得的输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本的比例,若比例不低于85%,则将输入样本a与对应的高于85%比例的输出样本作为新的输入/输出样本对中加入到输入/输出样本对集群中。
优选地,上位机通过I2C协议从云服务器下载新的输入/输出样本对集群形成新的人工神经网络。
与现有技术相比,本发明实施例至少具有以下优点:
采用本发明智能人体感应方法进行人体感应的雷达人体感应器可以在家庭环境中使用。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络不断的进行修正和完善,从而维持雷达人体感应系统的高精度性。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例对本发明要求保护的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。因此,以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面详细描述本发明的实施例,实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
结合实施例对本发明作进一步详述:
本发明的智能人体感应方法,包括如下步骤:
S1,通过毫米波生物雷达连续采集生命体生命信号参数,经模/数(A/D)转换后得到数字信号,将所述数字信号传递至数字信号处理(DSP)模块,由DSP模块对所述数字信号进行傅里叶变换,得到数字信号的频域特征曲线;
S2,多次进行步骤S1的操作后获得大量输入/输出样本对集群,通过BP算法建立人工神经网络;
S3,再次进行步骤S1的操作,DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析,得出是否有人体运动的结果;
S4,DSP模块将得到的结果上报至上位机。
这里,所述DSP模块,可以是单片机、微控制器或其他微处理器。
在步骤S4之后还包括降低人工神经网络误差的操作:
S5,多台上位机将其获得的结果上传至云服务器。
S6,通过对云服务器中汇总得到的结果进行匹配判断的步骤。所述步骤S6具体包括如下子步骤:
S601,所述结果对应的输入样本a和输入样本与输入/输出样本对集群中的一个输入/输出样本对匹配,保留该输入/输出样本对;
S602,所述结果对应的输入样本a与输入/输出样本对集群中的一个输入/输出样本对的输入样本匹配而输出样本不匹配,进入到步骤S7;或者,
S603,所述结果对应的输入样本a与输入/输出样本对集群中的所有输入/输出样本对的输入样本均不匹配,进入到步骤S8。
S7,对云服务器中存储的与步骤S602中的输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率,若匹配率处于60%~85%,则对人工神经网络中的各层权值进行调整,使输入样本a及其对应的输出样本与输入/输出样本对集群中的输入/输出样本对的匹配率大于85%;剔除人工神经网络中实际匹配率不高于60%的输入/输出样本对;或者,
S8,对云服务器中存储的与步骤S603中获得的输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本的比例,若比例不低于85%,则将输入样本a与对应的高于85%比例的输出样本作为新的输入/输出样本对中加入到输入/输出样本对集群中。
上位机通过I2C协议从云服务器下载新的输入/输出样本对集群形成新的人工神经网络。用户可以通过网络从厂家处随时获取其搭建的最新的人工神经网络,用以保证在家庭中使用的雷达人体感应器。具体地步骤如下:
S1,通过5.8G微波多普勒雷达连续采集人体运动参数,经模/数转换后得到数字信号,将所述数字信号传递至数字信号处理DSP模块,由DSP模块对所述数字信号进行傅里叶变换,得到数字信号的频域特征曲线;
S2,在MCU中建立BP人工神经网络;
S3,再次进行步骤S1的操作,通过BP神经网络对新获得的信号频域特征曲线进行分析,得出是否有人体运动的结果;
S4,对检验结果进行校对;
S5,MCU模块将得到的结果及校对结果上报至上位机对神经网络进行再训练。
采用本智能人体感应方法进行人体感应的雷达人体感应器可以在家庭环境中使用。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络不断的进行修正和完善,从而维持雷达人体感应系统的高精度性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种智能人体感应方法,其特征在于,包括如下步骤:
S1,通过毫米波生物雷达连续采集生命体的生命信号参数,经模/数转换后得到数字信号,将所述数字信号传递至数字信号处理DSP模块,由DSP模块对所述数字信号进行傅里叶变换,得到数字信号的频域特征曲线;
S2,多次进行步骤S1的操作后获得大量输入/输出样本对集群,通过BP算法建立人工神经网络;
S3,再次进行步骤S1的操作,DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析,得出是否有人体运动的结果;
S4,DSP模块将得到的结果上报至上位机。
2.根据权利要求1所述的智能人体感应方法,其特征在于,在步骤S4之后还包括降低人工神经网络误差的操作:
S5,多台上位机将其获得的结果上传至云服务器;
S6,通过对云服务器中汇总得到的结果进行匹配判断的步骤;
S7,对云服务器中存储的与输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率,若匹配率处于60%~85%,则对人工神经网络中的各层权值进行调整,使输入样本a及其对应的输出样本与输入/输出样本对集群中的输入/输出样本对的匹配率大于85%;剔除人工神经网络中实际匹配率不高于60%的输入/输出样本对;或者,
S8,对云服务器中存储的与获得的输入样本a相同的输入样本进行统计分析,获得输入样本a对应的输出样本的比例,若比例不低于85%,则将输入样本a与对应的高于85%比例的输出样本作为新的输入/输出样本对中加入到输入/输出样本对集群中。
3.根据权利要求2所述的智能人体感应方法,其特征在于,所述步骤S6具体包括:
S601,所述结果对应的输入样本a和输入样本与输入/输出样本对集群中的一个输入/输出样本对匹配,保留该输入/输出样本对;
S602,所述结果对应的输入样本a与输入/输出样本对集群中的一个输入/输出样本对的输入样本匹配而输出样本不匹配,进入到步骤S7;或者,
S603,所述结果对应的输入样本a与输入/输出样本对集群中的所有输入/输出样本对的输入样本均不匹配,进入到步骤S8。
4.根据权利要求2所述的智能人体感应方法,其特征在于,上位机通过I2C协议从云服务器下载新的输入/输出样本对集群形成新的人工神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015739.3A CN106646631B (zh) | 2017-01-10 | 2017-01-10 | 智能人体感应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015739.3A CN106646631B (zh) | 2017-01-10 | 2017-01-10 | 智能人体感应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106646631A true CN106646631A (zh) | 2017-05-10 |
CN106646631B CN106646631B (zh) | 2019-05-24 |
Family
ID=58844418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710015739.3A Expired - Fee Related CN106646631B (zh) | 2017-01-10 | 2017-01-10 | 智能人体感应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106646631B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805617A (zh) * | 2018-05-30 | 2018-11-13 | 中海云智慧(北京)物联网科技有限公司 | 一种广告信息推送方法 |
CN108928687A (zh) * | 2018-07-12 | 2018-12-04 | 芜湖博高光电科技股份有限公司 | 一种基于毫米波检测的智能电梯控制系统及其控制方法 |
CN108932759A (zh) * | 2018-07-16 | 2018-12-04 | 芜湖博高光电科技股份有限公司 | 一种基于毫米波生命探测的宿舍查岗系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275943A (ja) * | 2005-03-30 | 2006-10-12 | Seiko Precision Inc | 人体検知装置及び制御装置 |
CN102305931A (zh) * | 2011-07-27 | 2012-01-04 | 天津市英克瑞电子技术有限公司 | 一种识别物体运动轨迹的微波探测方法 |
CN203084218U (zh) * | 2013-01-23 | 2013-07-24 | 黄健华 | 一种智能人体探测器 |
US20150208945A1 (en) * | 2014-01-29 | 2015-07-30 | California Institute Of Technology | Microwave Radar Sensor Modules |
CN106019391A (zh) * | 2016-06-15 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种基于全向生物雷达的二维ca-cfar人体随机体动的检测方法 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN106264501A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种基于连续波多普勒雷达的生理信号检测系统 |
-
2017
- 2017-01-10 CN CN201710015739.3A patent/CN106646631B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275943A (ja) * | 2005-03-30 | 2006-10-12 | Seiko Precision Inc | 人体検知装置及び制御装置 |
CN102305931A (zh) * | 2011-07-27 | 2012-01-04 | 天津市英克瑞电子技术有限公司 | 一种识别物体运动轨迹的微波探测方法 |
CN203084218U (zh) * | 2013-01-23 | 2013-07-24 | 黄健华 | 一种智能人体探测器 |
US20150208945A1 (en) * | 2014-01-29 | 2015-07-30 | California Institute Of Technology | Microwave Radar Sensor Modules |
CN106019391A (zh) * | 2016-06-15 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种基于全向生物雷达的二维ca-cfar人体随机体动的检测方法 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN106264501A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种基于连续波多普勒雷达的生理信号检测系统 |
Non-Patent Citations (2)
Title |
---|
祁富贵 等: "基于生物雷达的人体运动状态探测识别技术研究", 《医疗卫生装备》 * |
胡巍: "基于多普勒雷达的非接触式生命体征检测技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805617A (zh) * | 2018-05-30 | 2018-11-13 | 中海云智慧(北京)物联网科技有限公司 | 一种广告信息推送方法 |
CN108928687A (zh) * | 2018-07-12 | 2018-12-04 | 芜湖博高光电科技股份有限公司 | 一种基于毫米波检测的智能电梯控制系统及其控制方法 |
CN108932759A (zh) * | 2018-07-16 | 2018-12-04 | 芜湖博高光电科技股份有限公司 | 一种基于毫米波生命探测的宿舍查岗系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106646631B (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104597376B (zh) | 一种考虑实测波速的高压直流输电线路故障测距方法 | |
CN111177650B (zh) | 一种配电网电能质量监测与综合评估系统及方法 | |
CN106646631A (zh) | 智能人体感应方法 | |
CN108281177B (zh) | 一种物联网重症监护系统 | |
CN105137177B (zh) | 一种用于配电网单点监测的谐波电压责任计算告警方法 | |
CN106248746A (zh) | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 | |
CN113484257B (zh) | 基于神经网络和全光谱吸光度的水质浓度计算系统及方法 | |
CN116519895B (zh) | 一种基于大数据平台的水质在线监测分析管理系统 | |
WO2021082594A1 (zh) | 一种绝缘材料表面的藻类检测方法、装置和设备 | |
CN110542793A (zh) | 一种无源器件智能等效电路模型与参数测量装置及工作方法 | |
CN110728320A (zh) | 一种基于自编码和聚类结合的水质监测预警方法及系统 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN108535613A (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
Tan et al. | Specific emitter identification based on software-defined radio and decision fusion | |
CN110531039B (zh) | 一种基于WiFi设备的粮食霉变检测方法及装置 | |
付林军 et al. | Application of improved adaptive CEEMD method in denoising of ECG signals | |
Ma et al. | A TFA-CNN method for quantitative analysis in infrared spectroscopy | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN109187416B (zh) | 一种自来水管网光谱在线监测方法 | |
CN112651173A (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
CN109191543B (zh) | 一种交流采样同断面数据生成方法 | |
CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
CN109598216A (zh) | 一种基于卷积的射频指纹特征提取方法 | |
Zhu et al. | Online discriminant model of blood spot eggs based on spectroscopy | |
CN109257128A (zh) | 一种基于傅里叶级数拟合去噪的频谱信号识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190524 Termination date: 20200110 |
|
CF01 | Termination of patent right due to non-payment of annual fee |