CN108553108A - 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统 - Google Patents

一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统 Download PDF

Info

Publication number
CN108553108A
CN108553108A CN201810177910.5A CN201810177910A CN108553108A CN 108553108 A CN108553108 A CN 108553108A CN 201810177910 A CN201810177910 A CN 201810177910A CN 108553108 A CN108553108 A CN 108553108A
Authority
CN
China
Prior art keywords
csi
breathing
model
signals
human body
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
Application number
CN201810177910.5A
Other languages
English (en)
Other versions
CN108553108B (zh
Inventor
叶伟
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.)
Changzhou Bailongzhi Technology Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810177910.5A priority Critical patent/CN108553108B/zh
Publication of CN108553108A publication Critical patent/CN108553108A/zh
Priority to PCT/CN2018/110257 priority patent/WO2019169864A1/zh
Application granted granted Critical
Publication of CN108553108B publication Critical patent/CN108553108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种基于Wi‑Fi中CSI信号的多人动作与呼吸的检测方法，该检测方法包括以下步骤：从室内Wi‑Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；对获取得到的所有CSI信号数据进行预处理；在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型。

Description

一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和 系统
技术领域
本发明属于智能家居技术领域，特别涉及一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统。
背景技术
近些年，各类无线电波被运用到智能硬件设备，用来采集用户的健康、健身数据等等。在智能家居生活中，用户更希望不需要携带任何电子感知设备就能够获取自己的健康数据，这样的一种非侵入式方案正在被更多的开发。另一发面，基于WiFi中CSI(ChannelState Information，信道状态信息)信号的室内定位、指纹识别等技术在逐渐被人们所接受。通过对一些CSI信号数据分析，可以得出CSI能够将子载波信息展示的非常丰富，并展示出比较高的多径分辨能力，尤其是对非视距范围内信号微小的变化具有很高的捕获能力，CSI数据具有高灵敏度和感知区域广等特性。
在无线通信领域，CSI(Channel State Information,信道状态信息)，是通信链路的信道属性，描述了信号在每条传输路径上的衰弱因子，比如信号散射，环境衰弱，距离衰减等信息。基于802.11n协议的WiFi技术采用MIMO-OFDM系统，利用华盛顿大学的DanielHalperin提供的工具软件，可以获取一个无线通信信道中的30个子载波；最后可以得到规范化的CSI矩阵H——n*m*30的复数矩阵，其中n表示发射天线个数，m表示接受天线个数，30是子载波信息个数。
例如，一个2*3*30的信道信息的模矩阵如下所示：
中国专利文献CN106108904A，公开了“一种非接触式的人呼吸参数实时测量方法，其特征在于，包括以下步骤：(1)在人体附近产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；(2)对采集的信道状态信号CSI进行去噪处理；(3)对CSI信号分时段，使得同一时段内的统计特性一致；(4)从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai，进而计算得到每一段CSI信号的呼吸频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)以及呼吸幅值A＝(k1A1+k2A2+…+kNAN)/(k1+k2+…+kN)，i＝1,2…,N，N为子载波的个数”。
中国专利文献CN105962946A，公开了“一种非接触式的人体睡姿安全检测方法，包括以下步骤：在人体周围产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；提取信道状态信号CSI的周期，将周期输入给预先训练的分类器，分类器输出睡姿类型。进一步地，所述Wi-Fi信号的数量为多个，分布于人体上肢周围。进一步地，所述Wi-Fi信号的数量至少为三个，其中一个位于人体上肢的左侧，另一个位于人体上肢的右侧，余下的一个位于人体头部的周围”。
然而，现有技术方案中对于人体呼吸的检测并没有涉及人体动作的姿势，因而对于人体状态的检测无法达到较为精确的程度。
发明内容
本发明的实施例提供一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统，目的在于解决现有方案只对呼吸参数做检测，无法满足对人体状态的精确检测。
本发明的一个实施例，一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，该检测方法包括以下步骤：
从室内Wi-Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；
对获取得到的所有CSI信号数据进行预处理；
在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；
在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；
根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型。
使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别。
呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别。
本发明涉及应用Wi-Fi CSI对环境和人体进行感知，实现家居安防、人体监测及延伸应用。本发明通过接收室内Wi-Fi路由器发出的无线信号，从Wi-Fi无线信号提取出CSI信号。通过三个AI模型协同工作，对室内人体行为与呼吸进行识别。这三个模型分别是：
空间监测模型，识别是否有人，以及人体所在位置。
行为识别模型，识别人体的行为，例如行走、摔倒、坐、躺等人体姿态。
呼吸识别模型，识别人体呼、吸信号，先识别出呼、吸的极值点，再通过曲线连接，形成呼吸曲线。
本发明使用全链接神经网络(Fully Connected Neural Network,FCNN)作为深度学习方法建立上述的三个模型。FCNN被视为前馈多层感知网络，意味着网络神经元之间的连接是单向的，不包含环状连接，因此容易获得时间数据。FCNN最主要的用途在于进行数据分类工作，因此非常适合对人体行为的识别。与现有技术相比，本发明的技术方案具有以下效果：
1)灵敏性。本发明采用的CSI信号精度远远高于RSSI信号，CSI可以检测到心率等更加微小的波动，能够达到毫米级别水平。可以分析每一个CSI数据包中的至少30个信道状态波动，由于多径抑制，可以就从数据中提取出呼吸起伏波动相关的特征数据；
2)准确性。本发明在进行数据处理时，并没有试图将噪音数据完全去除，在保留了噪音数据的情下，通过深度学习的方法建立AI模型。从而在实际的应用场景中，表现出更高准确性。毕竟，在实际的场景中，噪音数据是无法完全去除干净的。而只有将噪音一起放入模型中才能在实际环境中取得更好的准确性；
3)便捷性。相比于平时需要穿戴常规呼吸监测器进行监测，用户不再需要花时间穿戴监测设备，每天都能够实时检测，方便，省时，高效。
4)多功能。即可监测主人的动作(走形、摔倒、呼吸等)，提供健康监测功能。又可在主人不在家时，对外来入侵行为进行监测，提供安防服务。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1本发明实施例中创建AI模型的流程图。
图2本发明实施例中使用AI模型的流程图。
图3本发明实施例中AI模型的识别流程图。
图4本发明实施例中室内无人时，Wi-Fi CSI信号分布图。
图5本发明实施例中室内有人走动时，Wi-Fi CSI信号分布图。
图6本发明实施例中从Wi-Fi信号中解析出的呼吸曲线图。
具体实施方式
一个或多个实施例，如图1所示，基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，这个过程主要包括如下步骤：1.采集数据；2.数据整合；3.滤波与标准化；4.建立模型；5.应用模型进行人体行为与呼吸识别。
一个或多个实施例，如图2所示，对于CSI信号进行识别的步骤有：
1.采集原始数据。
2.处理数据。
由于CSI的变动非常小，而且包含环境噪音；因为本方法会保留部分噪音数据进行建模，所以使用两次巴特沃斯滤波器进行滤波；由于不同Wi-Fi设备发送功率对CSI数据有一定影响，且为加快建模速度、提高准确度需要对数据进行归一化处理。
3.将处理后的数据输入模型进行分类。
处理后的数据作直接输入给模型，不同的模型将会有不同的分类输出。从而实现行为与呼吸的识别。参见图3的多模型工作流程。
4.得到分类结果。
分类模型将根据CSI信号之变化得出目前人体的行为或呼吸曲线。
一个或多个实施例，如图3所示。基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，该检测方法包括以下步骤：
从室内Wi-Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；
对获取得到的所有CSI信号数据进行预处理；
在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；
在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；
根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型；使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别。呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别。
一个或多个实施例，室内无人时的CSI信号，包括门、窗、空调开闭状态。室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据包括：
人处于站立、坐静止姿态的呼吸的CSI信号数据，包含深浅快速呼吸的呼吸数据；
人体处于呼气后、吸气后屏气姿态的CSI信号数据；
人体处于走动、下蹲的活动姿态的CSI信号数据。
一个或多个实施例，对CSI信号数据进行预处理包括：
首先进行两次巴特沃斯滤波，滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出,然后将第一次滤波的输出序列进行时域翻转,将时域翻转后的序列通过同样的滤波器进行二次滤波,二次滤波后的输出再次进行时域翻转,则可得到滤波后的CSI数据；
接着对数据进行标准化，使用Z-score标准化方法，给予原始数据的均值和标准差进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：
其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
一个或多个实施例，将CSI信号数据无人场景标记为0；
将CSI信号数据中呼、吸、屏气的动作过程分别进行标记1，2，3，用于呼吸识别模型的训练样本，其中，
对呼、吸动作是从动作启动时记录，记录整个过程，包括最高(吸)、最低(呼)点，屏气动作是在呼吸动作的过程中，突然屏气，记录整个屏气的全过程；
CSI信号数据中,包括站立、坐、躺、走动、下蹲的人体行为动作标记为4,5,6,7,8，用于行为识别模型的训练样本；
CSI信号数据描述室内的信号分布,通过不同位置CSI变化划分监测区域，建立空间监测模型；
使用深度神经网络创建包括呼吸识别模型、行为识别模型和空间监测模型的分类模型,使用分类模型对人体位置、行为、呼吸进行识别。
如图3中的方法是一个多模型协同工作的方法。首先空间监测模型识别出是否有人的存在，再而给出其所在的位置。之后，行为识别模型识别人体的动作类别(走、摔倒、坐、躺、摔倒等)，并识别其是否为静止状态(站立、躺、坐等)，如果时静止状态则呼吸识别模型会给出现在的呼吸状态，并描绘呼吸曲线。
以上的AI模型识别依据是室内的Wi-Fi CSI信号之变化。如图4、图5所示，分别将室内的无人、有人走动是Wi-Fi CSI信号变化用图的形式展现，从而可以更容易理解。其中，图4是室内无人时的Wi-Fi CSI信号的分布，可以看到此时的信号非常平稳，而且分布均匀。而图5，在有人走动时，可以明显的看到Wi-FiCSI信号的变化。人体动作、呼吸对Wi-Fi CSI信号的造成干扰，是本发明提出方法的基础。
图6是从Wi-Fi信号中解析出的呼吸曲线，呼吸识别模型先识别出呼、吸的时间点，然后在通过连接线的方法，描绘出曲线。
一个或多个实施例，一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测系统，该系统包括室内Wi-Fi路由器，存储器以及
与该存储器耦合的一个或多个处理器，所述处理器被配置为执行存储器中指令，处理器执行的操作包括：
接收室内Wi-Fi路由器发出的无线信号；
从室内Wi-Fi无线信号中提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；
对获取得到的所有CSI信号数据进行预处理；
在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；
在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；
根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型；
使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别。
值得说明的是，虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (10)

1.一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，其特征在于，该检测方法包括以下步骤：
从室内Wi-Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；
对获取得到的所有CSI信号数据进行预处理；
在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；
在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；
根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型。
2.如权利要求1所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法，其特征在于，使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别。
3.如权利要求1所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法，其特征在于，
室内无人时的CSI信号，包括门、窗、空调开闭状态；
室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据包括：
人处于站立、坐静止姿态的呼吸的CSI信号数据，包含深浅快速呼吸的呼吸数据；
人体处于呼气后、吸气后屏气姿态的CSI信号数据；
人体处于走动、下蹲的活动姿态的CSI信号数据。
4.如权利要求1所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法，其特征在于，
对CSI信号数据进行预处理包括：
首先进行两次巴特沃斯滤波，滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出,然后将第一次滤波的输出序列进行时域翻转,将时域翻转后的序列通过同样的滤波器进行二次滤波,二次滤波后的输出再次进行时域翻转,则可得到滤波后的CSI数据；
接着对数据进行标准化，使用Z-score标准化方法，给予原始数据的均值和标准差进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：
其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
5.如权利要求1所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法，其特征在于，
呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别。
6.如权利要求3所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法，其特征在于，
将CSI信号数据无人场景标记为0；
将CSI信号数据中呼、吸、屏气的动作过程分别进行标记1，2，3，用于呼吸识别模型的训练样本，其中，
对呼、吸动作是从动作启动时记录，记录整个过程，包括最高(吸)、最低(呼)点，屏气动作是在呼吸动作的过程中，突然屏气，记录整个屏气的全过程；
CSI信号数据中,包括站立、坐、躺、走动、下蹲的人体行为动作标记为4,5,6,7,8，用于行为识别模型的训练样本；
CSI信号数据描述室内的信号分布,通过不同位置CSI变化划分监测区域，建立空间监测模型；
使用深度神经网络创建包括呼吸识别模型、行为识别模型和空间监测模型的分类模型,使用分类模型对人体位置、行为、呼吸进行识别。
7.一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测系统，其特征在于，该系统包括室内Wi-Fi路由器，存储器以及
与该存储器耦合的一个或多个处理器，所述处理器被配置为执行存储器中指令，处理器执行的操作包括：
接收室内Wi-Fi路由器发出的无线信号；
从室内Wi-Fi无线信号中提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；
对获取得到的所有CSI信号数据进行预处理；
在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；
在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；
根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型；
使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别。
8.如权利要求7所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测系统，其特征在于，
室内无人时的CSI信号，包括门、窗、空调开闭状态；
室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据包括：
人处于站立、坐静止姿态的呼吸的CSI信号数据，包含深浅快速呼吸的呼吸数据；
人体处于呼气后、吸气后屏气姿态的CSI信号数据；
人体处于走动、下蹲的活动姿态的CSI信号数据。
9.如权利要求7所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测系统，其特征在于，
对CSI信号数据进行预处理包括：
首先进行两次巴特沃斯滤波，滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出,然后将第一次滤波的输出序列进行时域翻转,将时域翻转后的序列通过同样的滤波器进行二次滤波,二次滤波后的输出再次进行时域翻转,则可得到滤波后的CSI数据；
接着对数据进行标准化，使用Z-score标准化方法，给予原始数据的均值和标准差进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：
其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
10.如权利要求7所述的基于Wi-Fi中CSI信号的人体动作与呼吸的检测系统，其特征在于，
呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别。
CN201810177910.5A 2018-03-05 2018-03-05 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统 Active CN108553108B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810177910.5A CN108553108B (zh) 2018-03-05 2018-03-05 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统
PCT/CN2018/110257 WO2019169864A1 (zh) 2018-03-05 2018-10-15 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810177910.5A CN108553108B (zh) 2018-03-05 2018-03-05 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

Publications (2)

Publication Number Publication Date
CN108553108A true CN108553108A (zh) 2018-09-21
CN108553108B CN108553108B (zh) 2020-04-14

Family

ID=63531544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810177910.5A Active CN108553108B (zh) 2018-03-05 2018-03-05 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

Country Status (2)

Country Link
CN (1) CN108553108B (zh)
WO (1) WO2019169864A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109394229A (zh) * 2018-11-22 2019-03-01 九牧厨卫股份有限公司 一种跌倒检测方法、装置及系统
CN110176968A (zh) * 2019-05-20 2019-08-27 桂林理工大学 一种用于WiFi人体行为识别中的跳变现象纠正方法
CN110200610A (zh) * 2019-07-04 2019-09-06 合肥工业大学 一种基于WiFi信号的增强呼吸及心率实时监测评估方法系统
WO2019169864A1 (zh) * 2018-03-05 2019-09-12 叶伟 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统
CN110262278A (zh) * 2019-07-31 2019-09-20 珠海格力电器股份有限公司 智能家电设备的控制方法及装置、智能电器设备
CN110301917A (zh) * 2019-06-14 2019-10-08 北京大学 一种无接触呼吸检测方法及装置
CN111306716A (zh) * 2020-03-03 2020-06-19 青岛海尔空调器有限总公司 空调器及其控制方法
CN111436939A (zh) * 2020-03-17 2020-07-24 佛山市台风网络科技有限公司 健康监测方法、系统、计算机设备及可读存储介质
EP3692898A1 (en) * 2019-02-11 2020-08-12 Nokia Technologies Oy Sleep/motion determination based on wi-fi signals
CN112153736A (zh) * 2020-09-14 2020-12-29 南京邮电大学 一种基于信道状态信息的人员动作识别和位置估计方法
CN112578726A (zh) * 2021-01-06 2021-03-30 常州百芝龙智慧科技有限公司 一种自主学习人体行为习惯的人体异常监控设备
CN113054491A (zh) * 2021-03-08 2021-06-29 常州百芝龙智慧科技有限公司 一种基于Wi-Fi人体移动侦测的AI插座系统
CN113116294A (zh) * 2019-12-30 2021-07-16 上海际链网络科技有限公司 人员身体状况的监测方法及装置
CN113907743A (zh) * 2021-11-11 2022-01-11 四川大学 Cgan和多尺度卷积神经网络实现呼吸检测的方法及系统
CN115276740A (zh) * 2021-04-29 2022-11-01 慧与发展有限责任合伙企业 自适应信道探测
CN115795377A (zh) * 2023-01-30 2023-03-14 深圳大学 呼吸状态分类器生成方法、呼吸状态监测方法及相关装置
WO2023085649A1 (ko) * 2021-11-15 2023-05-19 울산과학기술원 Csi 패턴변화와 표준편차를 이용한 예측장치 및 그 방법
CN117158924A (zh) * 2023-08-08 2023-12-05 知榆科技有限公司 健康监测方法、装置、系统及存储介质
US11998312B2 (en) 2020-09-30 2024-06-04 Nxp Usa, Inc. Systems and methods for breathing detection and rate estimation using wireless communication signals

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114916912B (zh) * 2022-05-09 2024-06-21 大连理工大学 一种非接触式的睡眠呼吸暂停检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951757A (zh) * 2015-06-10 2015-09-30 南京大学 一种基于无线信号的动作检测和识别的方法
CN106446828A (zh) * 2016-09-22 2017-02-22 西北工业大学 一种基于Wi‑Fi信号的用户身份识别方法
WO2017156492A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for vital signs detection and monitoring
CN107331136A (zh) * 2017-05-11 2017-11-07 深圳市斑点猫信息技术有限公司 基于WiFi的室内人体活动检测方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108553108B (zh) * 2018-03-05 2020-04-14 上海百芝龙网络科技有限公司 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951757A (zh) * 2015-06-10 2015-09-30 南京大学 一种基于无线信号的动作检测和识别的方法
WO2017156492A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for vital signs detection and monitoring
CN106446828A (zh) * 2016-09-22 2017-02-22 西北工业大学 一种基于Wi‑Fi信号的用户身份识别方法
CN107331136A (zh) * 2017-05-11 2017-11-07 深圳市斑点猫信息技术有限公司 基于WiFi的室内人体活动检测方法和系统

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019169864A1 (zh) * 2018-03-05 2019-09-12 叶伟 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统
WO2020103411A1 (zh) * 2018-11-22 2020-05-28 九牧厨卫股份有限公司 一种跌倒检测方法、装置及系统
CN109394229A (zh) * 2018-11-22 2019-03-01 九牧厨卫股份有限公司 一种跌倒检测方法、装置及系统
EP3692898A1 (en) * 2019-02-11 2020-08-12 Nokia Technologies Oy Sleep/motion determination based on wi-fi signals
CN110176968B (zh) * 2019-05-20 2021-04-06 桂林理工大学 一种用于WiFi人体行为识别中的跳变现象纠正方法
CN110176968A (zh) * 2019-05-20 2019-08-27 桂林理工大学 一种用于WiFi人体行为识别中的跳变现象纠正方法
CN110301917A (zh) * 2019-06-14 2019-10-08 北京大学 一种无接触呼吸检测方法及装置
CN110200610A (zh) * 2019-07-04 2019-09-06 合肥工业大学 一种基于WiFi信号的增强呼吸及心率实时监测评估方法系统
CN110262278A (zh) * 2019-07-31 2019-09-20 珠海格力电器股份有限公司 智能家电设备的控制方法及装置、智能电器设备
CN113116294A (zh) * 2019-12-30 2021-07-16 上海际链网络科技有限公司 人员身体状况的监测方法及装置
CN111306716A (zh) * 2020-03-03 2020-06-19 青岛海尔空调器有限总公司 空调器及其控制方法
CN111436939A (zh) * 2020-03-17 2020-07-24 佛山市台风网络科技有限公司 健康监测方法、系统、计算机设备及可读存储介质
CN112153736A (zh) * 2020-09-14 2020-12-29 南京邮电大学 一种基于信道状态信息的人员动作识别和位置估计方法
CN112153736B (zh) * 2020-09-14 2022-07-26 南京邮电大学 一种基于信道状态信息的人员动作识别和位置估计方法
US11998312B2 (en) 2020-09-30 2024-06-04 Nxp Usa, Inc. Systems and methods for breathing detection and rate estimation using wireless communication signals
CN112578726A (zh) * 2021-01-06 2021-03-30 常州百芝龙智慧科技有限公司 一种自主学习人体行为习惯的人体异常监控设备
CN113054491A (zh) * 2021-03-08 2021-06-29 常州百芝龙智慧科技有限公司 一种基于Wi-Fi人体移动侦测的AI插座系统
CN113054491B (zh) * 2021-03-08 2022-07-05 常州百芝龙智慧科技有限公司 一种基于Wi-Fi人体移动侦测的AI插座系统
US11706008B2 (en) 2021-04-29 2023-07-18 Hewlett Packard Enterprise Development Lp Adaptive channel sounding
CN115276740A (zh) * 2021-04-29 2022-11-01 慧与发展有限责任合伙企业 自适应信道探测
CN113907743A (zh) * 2021-11-11 2022-01-11 四川大学 Cgan和多尺度卷积神经网络实现呼吸检测的方法及系统
CN113907743B (zh) * 2021-11-11 2022-06-17 四川大学 Cgan和多尺度卷积神经网络实现呼吸检测的方法及系统
WO2023085649A1 (ko) * 2021-11-15 2023-05-19 울산과학기술원 Csi 패턴변화와 표준편차를 이용한 예측장치 및 그 방법
CN115795377A (zh) * 2023-01-30 2023-03-14 深圳大学 呼吸状态分类器生成方法、呼吸状态监测方法及相关装置
CN115795377B (zh) * 2023-01-30 2023-08-08 深圳大学 呼吸状态分类器生成方法、呼吸状态监测方法及相关装置
CN117158924A (zh) * 2023-08-08 2023-12-05 知榆科技有限公司 健康监测方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN108553108B (zh) 2020-04-14
WO2019169864A1 (zh) 2019-09-12

Similar Documents

Publication Publication Date Title
CN108553108A (zh) 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统
US11531087B2 (en) Method, apparatus, and system for fall-down detection based on a wireless signal
JP6900390B2 (ja) バイタルサインを検出及び監視する方法、装置、サーバ及びシステム
CN102499664B (zh) 基于视频图像的非接触式生命体征的检测方法及检测系统
US9610028B2 (en) Method and apparatus for sensing a horse's moods
US11340328B2 (en) Method, apparatus, and system for wireless vital monitoring using high frequency signals
CN106108904A (zh) 一种非接触式的人体呼吸参数实时测量方法及系统
CN106937808A (zh) 一种智能床垫的数据采集系统
CN109328034A (zh) 用于确定对象的睡眠阶段的确定系统和方法
CN107822645B (zh) 一种基于WiFi信号的情绪识别方法
US20090179739A1 (en) Apparatus and a method for recognizing an activity of daily living
CN105919597A (zh) 呼吸状态检测装置及检测方法
CN107609477A (zh) 一种基于深度学习与智能手环相结合的摔倒检测方法
WO2016075529A1 (en) System and method for detecting and quantifying deviations from physiological signals normality
CN105868519A (zh) 人体特征数据的处理方法及装置
CN110353649A (zh) 一种心率检测方法
Zhu et al. NotiFi: A ubiquitous WiFi-based abnormal activity detection system
CN107609474A (zh) 肢体动作识别方法、装置、机器人及存储介质
CN104808776A (zh) 检测头戴式智能设备持续附着在人体上的装置和方法
CN104809371B (zh) 判断头戴式智能设备的鉴权信息有效性的装置和方法
Fañez et al. Transfer learning and information retrieval applied to fall detection
RU2750419C1 (ru) Система и способ идентификации экипировки на человеке
CN105147249B (zh) 一种可穿戴或可植入设备评价系统与方法
CN104808778A (zh) 判断头戴式智能设备操作有效性的装置和方法
CN110414479A (zh) 一种饮水行为感知方法、连续和非连续动作分割识别方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190404

Address after: Room 1287, 1/1, 8 Block 33 Guangshun Road, Changning District, Shanghai, 2003

Applicant after: Shanghai Century Network Technology Co., Ltd.

Address before: 200126 Yaohua Road, Pudong New Area, Shanghai, Room 204, room 560

Applicant before: Ye Wei

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210326

Address after: 213000 No.2 Hongyang Road, Tianning District, Changzhou City, Jiangsu Province

Patentee after: Changzhou bailongzhi Technology Co.,Ltd.

Address before: Room 1287, 1/1, 8 Block 33 Guangshun Road, Changning District, Shanghai, 2003

Patentee before: SHANGHAI PERSPICACE INTELLIGENCE TECHNOLOGY Co.,Ltd.