CN107994960A - 一种室内活动检测方法及系统 - Google Patents
一种室内活动检测方法及系统 Download PDFInfo
- Publication number
- CN107994960A CN107994960A CN201711078759.1A CN201711078759A CN107994960A CN 107994960 A CN107994960 A CN 107994960A CN 201711078759 A CN201711078759 A CN 201711078759A CN 107994960 A CN107994960 A CN 107994960A
- Authority
- CN
- China
- Prior art keywords
- activity
- standard deviation
- phase difference
- environment
- indoor
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种室内活动检测方法及系统,包括:在两个接收点分别接收无线信号并获得信道状态信息;将上述两个接收点的信道状态信息中的相位做差,得到相位差信号序列,然后对相位差进行插值处理;对插值处理后的相位差进行带通滤波;从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;根据所述标准差判断当前环境中是否存在活动。本发明通过利用商业的WiFi网卡,可以实现实时的移动行为检测,且当环境发生改变时,不需要任何的人工辅助,该方法可以通过自学习的方式自动的适应环境的改变,除此之外,在本发明中提出了一些新颖的处理机制来排除了生活中常见场景带来的干扰,总体上增加了移动行为检测方法的鲁棒性。
Description
技术领域
本发明涉及室内活动检测技术,涉及的应用领域有室内入侵检测、室内占用检测,具体涉及基于商业无线局域网设备的无接触的室内移动检测方法及系统。
背景技术
无接触的室内人体移动检测指的在目标不携带任何设备的情况下,判断出目标是否在感知区域内发生移动的方法。相关的应用场景有两类:(1)安防类场景(室内入侵检测):通过该方法可以检测当前区域中是否有人入侵,及时发出警报或远程通知房间主人。(2)智能家庭场景(室内占用检测):通过得知当前区域中是否有人来智能的控制灯、空调等设施,节能且用户友好。
目前,无线局域网(WiFi)设备广泛存在于我们的日常生活中,因此实现在商业WiFi设备上的无接触的人体移动检测技术受到了人们的广泛关注。一个典型的利用WiFi设备判断移动行为是否发生的方法主要包含两个阶段:离线的学习阶段和在线的检测阶段。在离线学习时,系统事先需要分别采集室内静止环境(无移动行为)和包含人移动场景的信号数据。通过分析两类数据来决定系统参数。然后系统进入在线检测阶段,比较当前采集到的信号数据与先前设定系统参数,一旦发生较大偏离,就表明移动行为的发生。基于该原理,许多实现在WiFi设备上的室内移动行为检测方法被提出来。
2012年,埃及的Kosba提出了一种解决方案(RASID:A Robust Wlan Device-freePassive Motion Detection System.In:2012IEEE International Conference onPervasive Computing and Communications.pp.180-189):利用商业WiFi网卡中获得的信道强度信息(Received Signal Strength(RSS),反应了信号从发射端到接收端发生的能量变化),事先测量静止情况下的RSS数据,而当有移动行为产生时,会造成RSS变化,通过捕获这种变化来判断移动行为的发生。然而,RSS信号自身就具有不稳定性,即使在一个静止的环境中,RSS也会发生变化,所以导致基于RSS信号的移动检测方法性能并不稳定,伴随着大量的误报。
2014年,中国的Kun Qian提出了一种解决方案(PADS:Passive Detection ofMoving Targets with Dynamic Speed Using Physical Layer Information.In:IEEEInternational Conference on Parallel and Distributed Systems.pp.1-8):利用商业WiFi网卡中获得的信道状态信息(Channel State Information(CSI),反应了信号从发射端到接收端发生的振幅和相位的变化)来识别移动行为的发生,具体地,在静止的环境中,CSI的振幅和相位的时间相关性较大,而当有移动行为发生时,振幅和相位的波动会造成前后时间的CSI相关性下降,依据这种CSI在时间上的相关性达到移动检测的目的。然而,该方法有很强的环境依赖性,当室内环境发生改变时,例如,家具的移动、WiFi设备的移动、或者从一个室内环境部署到另一个新的室内环境中。该方法都需要重新进行离线学习,人工采集静止和移动场景下的数据既费时又费力。
2016年,中国的Liangyi Gong提出了一种解决方案来适应环境的改变,期望减少复杂的学习过程(An Adaptive Wireless Passive Human Detection via Fine-grainedPhysical Layer Information.AdHoc Networks pp.38-50)。它通过建立了一种信号敏感度指标来描述室内环境中多径信号的复杂性,不同的环境下该指标的表现不同,但是该种方法为了得到当前环境的敏感度,仍然需要人工调整WiFi设备的位置,在多个位置上采集数据。
中国发明专利申请号201410490797.8公开了一种室内人员行为识别及位置跟踪系统及方法,该系统包括PIR传感器单元、运动传感器单元及服务器PC;该方法包括:产生不同类别的行为地图;PIR传感器单元布置于室内天棚上,人员携带运动传感器进入室内;PIR传感器单元实时获取该人员的人体红外信号,运动传感器单元实时采集三轴加速度信号;当PIR传感器检测到人员的红外信号时,转换成开关量信号传递给服务器PC,当运动传感器检测到三轴加速度信号时,将信号转化成数字信号传至服务器PC;服务器PC根据运动引起的三轴加速度信号选择行为地图,进行人员行为识别及位置跟踪。然而上述专利的人体行为识别过程需要人员佩戴传感器,因此该专利使用场景非常有限,而且无法侦测入侵行为。
发明内容
为了克服上述现有技术的不足,本发明提供一种自适应、鲁棒的室内移动行为检测方法及系统,该方法基于商业无线局域网设备,且不需要检测目标携带任何设备。相比于现有的技术,该方法可以自适应的根据环境的改变对系统做出调整,不需要任何的人工辅助。除此之外,该方法考虑了日常生活中可能对人的移动行为检测造成干扰的常见场景,像物体的坠落、窗帘的晃动、小动物的活动等,从而进一步提高了系统鲁棒性。
本发明的原理是:利用WIFI设备两个接收点信道状态信息的相位差信号作为基本信号,从该基本信号中抽取出鲁棒的特征来反映有移动行为发生的场景相对于静止环境的变化,然后基于该特征,通过一种实时的自学习的方式来适应环境的变化。同时,为了应对生活中对移动行为检测方法可能造成干扰的常见情况,本发明通过判断活动持续的时间来避免物体坠落带来的干扰、通过观察活动物体的速度来避免窗帘晃动带来的干扰,通过计算活动物体的运动强度来避免小动物活动的干扰。
本发明提供的技术方案是:
根据本发明的一个方面,提供了一种无接触的室内活动检测方法,所述方法包括如下步骤:
在两个接收点分别接收无线信号并获得信道状态信息;
将上述两个接收点的信道状态信息中的相位做差,得到相位差信号序列,然后对相位差进行插值处理;
对插值处理后的相位差进行带通滤波;
从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;
根据所述标准差判断当前环境中是否存在活动。
进一步的,所述接收点为WiFi天线。
进一步的,所述信道状态信息包括振幅和相位信息。
进一步的,所述带通滤波滤除较低频信号和较高频信号。
进一步的,所述带通滤波的频带为10~80HZ。
进一步的,所述标准差的计算方式如下:
其中σnow代表当前窗口内相位差信号的标准差,max(σstatic)表示静止环境下相位差标准差的最大值。
更进一步的,所述根据标准差判断当前环境中是否存在活动包括:将所述标准差与阈值比较,如果标准差大于第一阈值则表明环境中有活动,如果标准差小于第一阈值则表明环境中无活动。
更进一步的,当标准差小于第一阈值时,更新所述静止环境下相位差标准差的最大值。
更进一步的,所述方法进一步包括:
根据所述活动持续的时间判断是否为活体活动:如果所述活动持续的时间小于第二阈值则判断为非活体活动,如果所述活动持续的时间大于第二阈值则判断为活体活动。
更进一步的,所述方法进一步包括:
根据所述活动的强度判断是否为人体活动:如果所述活动的强度大于第三阈值则判断为人体活动,如果所述活动的强度小于第三阈值则判断为小动物活动。
根据本发明的另一个方面,还提供了一种室内活动检测系统,所述系统包括如下模块:
信道状态监测模块,用于在两个接收点分别接收无线信号并分别检测信道状态信息;
插值模块,用于对上述两个信道状态信息的相位差进行插值处理;
滤波模块,用于对插值处理后的相位差进行带通滤波;
特征提取模块,用于从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;
判断模块,根据所述标准差判断当前环境中是否存在活动。
当系统判断活动为人体活动后,系统能够结合具体的应用场景做出不同的反馈,例如在安防、智能家居类应用场景中,如果当前应用场景为入侵检测则发出入侵警报,如果当前应用场景为占用检测则打开相关设备,但本系统并不局限于此两类应用场景。
本发明的有益效果是:本发明提供一种自适应、鲁棒的室内活动检测方法及系统,通过利用商业的WiFi网卡,可以实现实时的移动行为检测,且当环境发生改变时,不需要任何的人工辅助,该方法可以通过自学习的方式自动的适应环境的改变,除此之外,在本发明中提出了一些新颖的处理机制来排除了生活中常见场景带来的干扰,总体上增加了移动行为检测方法的鲁棒性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是基于本发明提出的活动检测方法搭建的Wi-Fi室内入侵检测系统;
图2是基于本发明提出的活动检测方法搭建的Wi-Fi室内占用检测系统;
图3为基于本发明提出的活动检测方法的入侵检测系统和占用系统实例实施流程框图。
图4为基于本发明提出的室内活动检测系统的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明提供一种自适应、鲁棒的室内活动检测方法,通过利用商业的WiFi网卡实现室内移动行为检测,当环境发生改变时,该方法可以通过自学习的方式自动的适应环境的改变,不需要任何的人工辅助,除此之外,在本发明中提出了一些新颖的处理机制来排除了生活中常见场景带来的干扰,从总体上增加了检测方法的鲁棒性。
图1是基于本发明提出的移动行为检测方法搭建的Wi-Fi室内入侵检测系统;其中,路由器为发射端(Wi-Fi设备);手机为接收端(Wi-Fi手机网卡支持三根天线口,这里我们采用任意两个即可),台式机为信号处理服务器(也可以为云端)。
图2是基于本发明提出的移动行为检测方法搭建的Wi-Fi室内占用检测系统;其中,路由器为发射端(Wi-Fi设备);手机为接收端(Wi-Fi手机网卡支持三根天线口,这里我们采用任意两个即可),台式机为信号处理服务器(也可以为云端)。
本发明实施包括如下过程:
1)利用商业WiFi网卡(如Intel 5300网卡、Atheros AR9580网卡、Atheros AR9590网卡等)构造WiFi发送和接收设备(如图1);发射端为WiFi信号发射设备;接收端是与发射端对应(使用相同频率的WiFi信号)的WiFi信号接收器,由于常见的商用Wi-Fi设备(如手机、路由器、电脑、电视等)一般支持三根天线,可以利用其中两根来接收信号。
2)WiFi接收设备接收WiFi发射端(可以是各种WiFi设备,用1根天线发射信号)发出的数据包,并从中测量CSI(Channel State Information)信息(该信息反应了信号从发射端到达接收端所发生的振幅和相位的改变)。
3)将接收设备两根天线测得的CSI相位做差,得到基本信号—相位差。
4)对相位差信号进行插值,保证相位差信号在时间上均匀连续,方便后续处理。由于WiFi信道为共享信道设备,多个设备可以共用一个信道,当数据传输量较高时,信道拥挤会造成丢包的情况,这时WiFi接收设备得到的相位差信号并不是均匀到达,为了避免这种不均匀信号对后续步骤产生影响,所以需要在该步进行插值处理。
5)对插值后的相位差信号进行带通滤波处理,滤除窗帘晃动带来的低频影响和环境中的高频噪声;因为窗帘的晃动相比于人的移动速度较慢,频率较低,使用带通滤波处理不仅可以排除窗帘晃动带来的干扰,还可以保留移动行为对信号的影响,此外还可以剔除环境中的噪声或异常脉冲。
人走动的速度一般在0.5m/s~2m/s之间,所以为了保留人对信号的影响,剔除较慢活动和环境中高频噪声的干扰,采用10~80Hz的带通滤波器处理相位差信号。
6)从相位差信号中提取归一化标准差特征,通过滑动窗口的方式计算相位差的归一化标准差,作为移动行为检测方法的基本特征,计算方式如下:
其中σnow代表当前窗口内相位差信号的标准差,max(σstatic)表示静止环境下相位差标准差的最大值,初始值由系统启动时事先测量获得。
7)将得到的μnow与阈值δmotion比较,如果μnow>δmotion则表明环境中有活动跳到步骤9做进一步判断,否则执行步骤8。
8)更新静态环境数据;将max(σstatic)更新为max(σnow),,实时更新静态环境的数据。一方面可以适应环境的变化,另一方面可以使得后期更加准确的检测移动行为的发生。
9)判断活动持续的时间,剔除物体坠落带来的影响;比较μnow>δmotion的持续时间Dtime与阈值Tthreshold,如果Dtime<Tthreshold,表明非人体移动行为,系统不予处理,否则,执行10做进一步判断。
通过观察发现物体坠落的自由落体持运动持续时间较短,而人的移动往往伴随着迈腿、走动、收腿等行为,会持续一定时间,所以通过比较μnow>δmotion的持续时间Dtime与阈值Tthreshold,如果Dtime<Tthreshold,表明该活动非人体移动,系统不予处理,否则,该活动可能为移动行为,需做进一步判断。
10)判断活动的强度,区分或剔除小动物活动带来的影响;小动物的活动可能会具有与人的移动相似的速度,同时也可能持续一段时间,但相比于人,小动物对信号的反射面积较小,所以对信号的影响没有人移动时的强烈。依据积分的思想,利用一段连续时间内μnow与阈值线围成的面积来描述活动的强度,通过与阈值δarca比较来判断是否为人体移动,数学描述如下:
基于本发明的两个实施例的收发环境均包括1个发射设备、1个接收设备和1个信号处理服务器;采用日常Wi-Fi设备作为信号接收端(如手机、路由器、电脑、电视等,在实例中我们以手机为例,但本方法并不局限于手机),采用两根天线接收信号。用1个常见Wi-Fi设备(如手机、路由器、电脑、电视等,在实例中我们以路由器为例,但本方法并不局限于路由器)作为信号发射端,用1根天线发射信号。发射设备发出的信号同时被接收端的两根天线接收到。采用5GHz的WiFi信号,20MHz的带宽,本发明提供方法来实现室内入侵检测和占用检测。图3为基于本发明提出的活动检测方法的入侵检测系统和占用系统实例实施流程框图。具体流程如下:
1)发射端以500个包每秒的速度不断的发射信号;
2)接收设备接收WiFi发射端发出的包,并从中测量CSI信息,然后将两根天线的CSI信息实时发送给服务器;
3)服务器实时接收采集到的CSI信息,当每累积到1s(500个包)时,就将CSI信息写入到一个文件中。
4)服务器端处理当前最新的CSI文件,并将两根天线的CSI相位做差得到相位差信号。
4)对相位差信号进行1-D线性插值,使得相位差信号随着时间均匀。
5)对插值后的相位差进行带通滤波处理,参数为10~80HZ。
6)利用一个0.25s的滑动时间窗,不断滑动着计算时间窗内相位差的标准差,并除以静止时测得的最大标准差max(σstatic),得到归一化后的标准差序列μnow。
7)将归一化的标准差μnow与阈值进行δmotion=1.3进行比较,如果大于阈值执行步骤9,否则执行步骤8。
8)将max(σstatic)更新为max(σnow)。
9)累积μnow大于δmotion的持续时间,当持续时间大于Tthreshold=1.5s时,继续执行步骤10,否则不予处理。
10)计算∫(μnow>δmotion)dt,并与δarca=1.95做比较。
若大于δarca且当前应用场景为入侵检测则发出入侵警报、否则不予处理。
若大于δarca且当前应用场景为占用检测则打开照明或空调等相关设备、否则不予处理。
在整个流程开始之前可以选择入侵检测模式或者占用检测模式。例如,如果长时间离开家中,为防止入侵,可以在设定时间内(例如七天)保持入侵检测模式,防止非法入侵。如果是平时上下班的过程中,可以打开占用检测,当人们回到家中,可以自动打开家中的照明或者空调等设备。
对应的,如图4所示,本发明还提供了一种室内活动检测系统10,所述系统包括如下模块:
信道状态监测模块11,用于在两个接收点分别接收无线信号并分别检测信道状态信息;所述接收点为WiFi天线。所述信道状态信息包括振幅和相位信息。
插值模块12,用于对上述两个信道状态信息的相位差进行插值处理。
滤波模块13,用于对插值处理后的相位差进行带通滤波;所述带通滤波滤除低频信号和高频信号。所述带通滤波的频带为10~80HZ。
特征提取模块14,用于从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;所述标准差的计算方式如下:
其中σnow代表当前窗口内相位差信号的标准差,max(σstatic)表示静止环境下相位差标准差的最大值。
判断模块15,根据所述标准差判断当前环境中是否存在活动,将所述标准差与阈值比较,如果标准差大于第一阈值则表明环境中有活动,如果标准差小于第一阈值则表明环境中无活动。所述判断模块15包括更新单元151,用于在标准差小于第一阈值时,更新所述静止环境下相位差标准差的最大值。
所述系统10进一步包括:
活体判断模块16,用于根据所述活动持续的时间判断是否为活体活动:如果所述活动持续的时间小于第二阈值则判断为非活体活动,如果所述活动持续的时间大于第二阈值则判断为活体活动。
人体判断模块17,用于根据所述活动的强度判断是否为人体活动:如果所述活动的强度大于第三阈值则判断为人体活动,如果所述活动的强度小于第三阈值则判断为小动物活动。
通过本发明,可以实现实时的移动行为检测,且当环境发生改变时,不需要任何的人工辅助,该方法可以通过自学习的方式自动的适应环境的改变,除此之外,在本发明中提出了一些新颖的处理机制来排除了生活中常见场景带来的干扰,总体上增加了移动行为检测方法的鲁棒性。
本发明可以检测室内活体的活动,既包括人体,也包括小动物。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块,单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性,上述的各种说明性部件,单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
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以所述权利要求的保护范围为准。
Claims (11)
1.一种室内活动检测方法,其特征在于,所述方法包括如下步骤:
在两个接收点分别接收无线信号并获得信道状态信息;
将上述两个接收点的信道状态信息中的相位做差,得到相位差信号序列,然后对相位差进行插值处理;
对插值处理后的相位差进行带通滤波;
从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;
根据所述标准差判断当前环境中是否存在活动。
2.根据权利要求1所述的一种室内活动检测方法,其特征在于:
所述标准差的计算方式如下:
<mrow>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>n</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>n</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</msub>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>t</mi>
<mi>i</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中σnow代表当前窗口内相位差信号的标准差,max(σstatic)表示静止环境下相位差标准差的最大值。
3.根据权利要求1或2所述的一种室内活动检测方法,其特征在于:
所述根据标准差判断当前环境中是否存在活动包括:将所述标准差与阈值比较,如果标准差大于第一阈值则表明环境中有活动,如果标准差小于第一阈值则表明环境中无活动。
4.根据权利要求3所述的一种室内活动检测方法,其特征在于:
所述方法进一步包括:
根据所述活动持续的时间判断是否为活体活动:如果所述活动持续的时间小于第二阈值则判断为非活体活动,如果所述活动持续的时间大于第二阈值则判断为活体活动。
5.根据权利要求4所述的一种室内活动检测方法,其特征在于:
所述方法进一步包括:
根据所述活动的强度判断是否为人体活动:如果所述活动的强度大于第三阈值则判断为人体活动,如果所述活动的强度小于第三阈值则判断为小动物活动。
6.一种室内活动检测系统,其特征在于,所述系统包括如下模块:
信道状态监测模块,用于在两个接收点分别接收无线信号并分别检测信道状态信息;
插值模块,用于对上述两个信道状态信息的相位差进行插值处理;
滤波模块,用于对插值处理后的相位差进行带通滤波;
特征提取模块,用于从带通滤波后的相位差信号中提取特征,通过滑动窗口的方式计算信号序列归一化的相位差的标准差;
判断模块,根据所述标准差判断当前环境中是否存在活动。
7.根据权利要求6所述的一种室内活动检测系统,其特征在于:
所述标准差的计算方式如下:
<mrow>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>n</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>n</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</msub>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>t</mi>
<mi>i</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中σnow代表当前窗口内相位差信号的标准差,max(σstatic)表示静止环境下相位差标准差的最大值。
8.根据权利要求6或7所述的一种室内活动检测系统,其特征在于:
所述根据标准差判断当前环境中是否存在活动包括:将所述标准差与阈值比较,如果标准差大于第一阈值则表明环境中有活动,如果标准差小于第一阈值则表明环境中无活动。
9.根据权利要求8所述的一种室内活动检测系统,其特征在于:
所述系统进一步包括:
活体判断模块,用于根据所述活动持续的时间判断是否为活体活动:如果所述活动持续的时间小于第二阈值则判断为非活体活动,如果所述活动持续的时间大于第二阈值则判断为活体活动。
10.根据权利要求9所述的一种室内活动检测系统,其特征在于:
所述系统进一步包括:
人体判断模块,用于根据所述活动的强度判断是否为人体活动:如果所述活动的强度大于第三阈值则判断为人体活动,如果所述活动的强度小于第三阈值则判断为小动物活动。
11.根据权利要求10所述的一种室内活动检测系统,其特征在于:
当系统判断活动为人体活动后,系统能够结合具体的应用场景做出不同的反馈,如果当前应用场景为入侵检测则发出入侵警报,如果当前应用场景为占用检测则打开相关设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711078759.1A CN107994960B (zh) | 2017-11-06 | 2017-11-06 | 一种室内活动检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711078759.1A CN107994960B (zh) | 2017-11-06 | 2017-11-06 | 一种室内活动检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107994960A true CN107994960A (zh) | 2018-05-04 |
CN107994960B CN107994960B (zh) | 2020-11-27 |
Family
ID=62031331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711078759.1A Active CN107994960B (zh) | 2017-11-06 | 2017-11-06 | 一种室内活动检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107994960B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118703A (zh) * | 2018-07-19 | 2019-01-01 | 苏州菲丽丝智能科技有限公司 | 一种智能家居安防系统及其工作方法 |
CN109348170A (zh) * | 2018-09-21 | 2019-02-15 | 北京大学(天津滨海)新代信息技术研究院 | 视频监控方法、装置及视频监控设备 |
CN109409216A (zh) * | 2018-09-18 | 2019-03-01 | 哈尔滨工程大学 | 基于子载波动态选择的速度自适应室内人体检测方法 |
CN109768838A (zh) * | 2018-12-29 | 2019-05-17 | 西北大学 | 一种基于WiFi信号的干扰检测及手势识别方法 |
CN110529984A (zh) * | 2019-08-12 | 2019-12-03 | 珠海格力电器股份有限公司 | 智能空调的控制方法和装置、存储介质 |
CN110596769A (zh) * | 2019-09-29 | 2019-12-20 | 长沙理工大学 | 一种轨道异物检测方法、装置、设备及介质 |
CN111435562A (zh) * | 2019-01-11 | 2020-07-21 | 开利公司 | 处理环境射频数据以用于活动识别的方法 |
CN112600630A (zh) * | 2020-12-07 | 2021-04-02 | 广州大学 | 一种基于Wi-Fi信号的动作识别方法及装置 |
CN114061568A (zh) * | 2021-11-30 | 2022-02-18 | 北京信息科技大学 | 基于地磁数据的飞行体转速测量方法、装置及系统 |
CN114758476A (zh) * | 2022-04-18 | 2022-07-15 | 上海物骐微电子有限公司 | 活动信息监测方法、装置、系统、设备和存储介质 |
WO2024040962A1 (zh) * | 2022-08-26 | 2024-02-29 | 中兴通讯股份有限公司 | 无线感知方法、通信设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140316605A1 (en) * | 2013-04-18 | 2014-10-23 | International Business Machines Corporation | Cooling System Management |
CN104502982A (zh) * | 2014-12-11 | 2015-04-08 | 哈尔滨工程大学 | 一种细粒度免校验的室内被动人体检测方法 |
CN105158727A (zh) * | 2015-06-18 | 2015-12-16 | 哈尔滨工程大学 | 一种增强型室内无源被动人体定位方法 |
CN105933080A (zh) * | 2016-01-20 | 2016-09-07 | 北京大学 | 一种跌倒检测方法和系统 |
CN106250787A (zh) * | 2016-07-20 | 2016-12-21 | 西北大学 | 一种低代价高鲁棒性的非绑定式活动识别方法 |
CN106297114A (zh) * | 2015-06-26 | 2017-01-04 | 奇点新源国际技术开发(北京)有限公司 | 一种入侵物检测方法及装置 |
-
2017
- 2017-11-06 CN CN201711078759.1A patent/CN107994960B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140316605A1 (en) * | 2013-04-18 | 2014-10-23 | International Business Machines Corporation | Cooling System Management |
CN104502982A (zh) * | 2014-12-11 | 2015-04-08 | 哈尔滨工程大学 | 一种细粒度免校验的室内被动人体检测方法 |
CN105158727A (zh) * | 2015-06-18 | 2015-12-16 | 哈尔滨工程大学 | 一种增强型室内无源被动人体定位方法 |
CN106297114A (zh) * | 2015-06-26 | 2017-01-04 | 奇点新源国际技术开发(北京)有限公司 | 一种入侵物检测方法及装置 |
CN105933080A (zh) * | 2016-01-20 | 2016-09-07 | 北京大学 | 一种跌倒检测方法和系统 |
CN106250787A (zh) * | 2016-07-20 | 2016-12-21 | 西北大学 | 一种低代价高鲁棒性的非绑定式活动识别方法 |
Non-Patent Citations (1)
Title |
---|
童汇琛: "基于多普勒效应的RFID室内定位技术研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118703A (zh) * | 2018-07-19 | 2019-01-01 | 苏州菲丽丝智能科技有限公司 | 一种智能家居安防系统及其工作方法 |
CN109409216A (zh) * | 2018-09-18 | 2019-03-01 | 哈尔滨工程大学 | 基于子载波动态选择的速度自适应室内人体检测方法 |
CN109348170A (zh) * | 2018-09-21 | 2019-02-15 | 北京大学(天津滨海)新代信息技术研究院 | 视频监控方法、装置及视频监控设备 |
CN109768838A (zh) * | 2018-12-29 | 2019-05-17 | 西北大学 | 一种基于WiFi信号的干扰检测及手势识别方法 |
CN111435562A (zh) * | 2019-01-11 | 2020-07-21 | 开利公司 | 处理环境射频数据以用于活动识别的方法 |
CN111435562B (zh) * | 2019-01-11 | 2024-05-24 | 开利公司 | 处理环境射频数据以用于活动识别的方法 |
CN110529984A (zh) * | 2019-08-12 | 2019-12-03 | 珠海格力电器股份有限公司 | 智能空调的控制方法和装置、存储介质 |
CN110596769A (zh) * | 2019-09-29 | 2019-12-20 | 长沙理工大学 | 一种轨道异物检测方法、装置、设备及介质 |
CN112600630A (zh) * | 2020-12-07 | 2021-04-02 | 广州大学 | 一种基于Wi-Fi信号的动作识别方法及装置 |
CN114061568A (zh) * | 2021-11-30 | 2022-02-18 | 北京信息科技大学 | 基于地磁数据的飞行体转速测量方法、装置及系统 |
CN114061568B (zh) * | 2021-11-30 | 2023-11-14 | 北京信息科技大学 | 基于地磁数据的飞行体转速测量方法、装置及系统 |
CN114758476A (zh) * | 2022-04-18 | 2022-07-15 | 上海物骐微电子有限公司 | 活动信息监测方法、装置、系统、设备和存储介质 |
CN114758476B (zh) * | 2022-04-18 | 2024-04-26 | 上海物骐微电子有限公司 | 活动信息监测方法、装置、系统、设备和存储介质 |
WO2024040962A1 (zh) * | 2022-08-26 | 2024-02-29 | 中兴通讯股份有限公司 | 无线感知方法、通信设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107994960B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107994960B (zh) | 一种室内活动检测方法及系统 | |
US10779127B2 (en) | Device free localization methods within smart indoor environments | |
US11902857B2 (en) | Handling concept drift in Wi-Fi-based localization | |
EP3186794B1 (en) | Method, digital tool, device and system for detecting movements of objects and/or living beings in a radio range, in particular of an indoor area | |
ES2899403T3 (es) | Sistemas y procedimientos para detectar un entorno con señales de comunicación inalámbricas | |
US20220070633A1 (en) | Proximity-based model for indoor localization using wireless signals | |
WO2020103409A1 (zh) | 一种检测方法、检测装置、终端及检测系统 | |
US10838505B2 (en) | System and method for gesture recognition | |
WO2021084519A1 (en) | System for multi-path 5g and wi-fi motion detection | |
CA3198277A1 (en) | Filtering channel responses for motion detection | |
US20240031774A1 (en) | Device-free localization methods within smart indoor environments | |
CN110730473A (zh) | 面向WiFi活动识别的信号特征提取方法 | |
Hao et al. | CSI‐HC: A WiFi‐Based Indoor Complex Human Motion Recognition Method | |
CN114338585A (zh) | 消息推送方法、装置、存储介质及电子装置 | |
US20120039395A1 (en) | System and method for time series filtering and data reduction | |
US20230109149A1 (en) | Presence detection and recognition with wi-fi | |
US10863018B2 (en) | Method for managing a real time detection of a scene by a wireless communication apparatus and corresponding apparatus | |
CN116168499A (zh) | 基于csi幅值平稳性分析的室内人员被动感知与入侵检测方法 | |
EP3728997A1 (en) | Method and apparatus for determining whether a subject has entered or exited a building | |
Deak et al. | Support vector machine classification in a device-free passive localisation (DFPL) scenario | |
Curran | A hybrid Passive & Active Location Aware Framework for Tracking movement indoors | |
KR20170070671A (ko) | 호흡 신호 기반 동적 객체 탐지 시스템 및 방법 |
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 |