CN106646631B - 智能人体感应方法 - Google Patents

智能人体感应方法 Download PDF

Info

Publication number
CN106646631B
CN106646631B CN201710015739.3A CN201710015739A CN106646631B CN 106646631 B CN106646631 B CN 106646631B CN 201710015739 A CN201710015739 A CN 201710015739A CN 106646631 B CN106646631 B CN 106646631B
Authority
CN
China
Prior art keywords
input
output sample
sample
output
neural network
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.)
Expired - Fee Related
Application number
CN201710015739.3A
Other languages
English (en)
Other versions
CN106646631A (zh
Inventor
赵军
陶承鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Easy Intelligent Technology Co Ltd
Original Assignee
Shanghai Easy Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Easy Intelligent Technology Co Ltd filed Critical Shanghai Easy Intelligent Technology Co Ltd
Priority to CN201710015739.3A priority Critical patent/CN106646631B/zh
Publication of CN106646631A publication Critical patent/CN106646631A/zh
Application granted granted Critical
Publication of CN106646631B publication Critical patent/CN106646631B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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

智能人体感应方法
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；
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 (3)

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；
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/输出样本对加入到输入/输出样本对集群中。
2.根据权利要求1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。
3.根据权利要求1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。
CN201710015739.3A 2017-01-10 2017-01-10 智能人体感应方法 Expired - Fee Related CN106646631B (zh)

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 CN106646631A (zh) 2017-05-10
CN106646631B true 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)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
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 (6)

* Cited by examiner, † Cited by third party
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
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9986934B2 (en) * 2014-01-29 2018-06-05 California Institute Of Technology Microwave radar sensor modules

Patent Citations (6)

* Cited by examiner, † Cited by third party
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
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)

* Cited by examiner, † Cited by third party
Title
基于多普勒雷达的非接触式生命体征检测技术研究;胡巍;《中国博士学位论文全文数据库 信息科技辑》;20141015(第10期);第1、10-19、30-32、80-81、112、125页
基于生物雷达的人体运动状态探测识别技术研究;祁富贵 等;《医疗卫生装备》;20160531;第37卷(第5期);第114-120页

Also Published As

Publication number Publication date
CN106646631A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN110502105B (zh) 一种基于csi相位差的手势识别系统及识别方法
CN106646631B (zh) 智能人体感应方法
CN106851573B (zh) 基于对数路径损耗模型的联合加权k近邻室内定位方法
CN107290741B (zh) 基于加权联合距离时频变换的室内人体姿态识别方法
US9679583B2 (en) Managing silence in audio signal identification
CN112716474A (zh) 基于生物微波雷达的非接触式睡眠状态监测方法和系统
CN112998668B (zh) 基于毫米波的非接触式远场多人体呼吸心率监测方法
CN110456320B (zh) 一种基于自由空间步态时序特征的超宽带雷达身份识别方法
CN110531039B (zh) 一种基于WiFi设备的粮食霉变检测方法及装置
WO2022116467A1 (zh) 一种基于毫米波雷达的非接触式身份识别方法及系统
US20170296081A1 (en) Frame based spike detection module
Wang et al. Big data driven outlier detection for soybean straw near infrared spectroscopy
CN115308734A (zh) 一种呼吸数据计算方法以及相关设备
CN109512390B (zh) 基于eeg时域多维度特征及m-wsvm的睡眠分期方法及可穿戴装置
Yang et al. A multiscale correlation of wavelet coefficients approach to spike detection
Jiang et al. Qualitative and quantitative analysis in solid-state fermentation of protein feed by FT-NIR spectroscopy integrated with multivariate data analysis
Wang et al. Radar-based soft fall detection using pattern contour vector
EP3739335A3 (en) Meat processing sensor suite
Wang et al. Through-wall multistatus target identification in smart and autonomous systems with UWB radar
Sun et al. Akte-liquid: Acoustic-based liquid identification with smartphones
CN210697629U (zh) 信号采集装置、移动终端和信号分析系统
CN110515130B (zh) 一种基于信道状态信息的储粮害虫检测方法及装置
CN104503226A (zh) 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控系统
CN109657640B (zh) 一种能根据使用食材进行健康等级划分的油烟机
CN116520315A (zh) 一种目标识别系统、目标识别方法以及目标识别装置

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