CN109658655A - 一种基于无线信号的室内被动入侵检测方法 - Google Patents

一种基于无线信号的室内被动入侵检测方法 Download PDF

Info

Publication number
CN109658655A
CN109658655A CN201910036683.9A CN201910036683A CN109658655A CN 109658655 A CN109658655 A CN 109658655A CN 201910036683 A CN201910036683 A CN 201910036683A CN 109658655 A CN109658655 A CN 109658655A
Authority
CN
China
Prior art keywords
data
intrusion detection
wireless signal
result
wavelet
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.)
Pending
Application number
CN201910036683.9A
Other languages
English (en)
Inventor
吕继光
杨武
苘大鹏
玄世昌
王巍
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201910036683.9A priority Critical patent/CN109658655A/zh
Publication of CN109658655A publication Critical patent/CN109658655A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19604—Image analysis to detect motion of the intruder, e.g. by frame subtraction involving reference image or background adaptation with time to compensate for changing conditions, e.g. reference image update on detection of light level change

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明提出了一种基于无线信号的室内被动入侵检测方法，属于无线定位技术领域。本发明提出的方法包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，接收机获取信道状态信息，通过滑动窗口提取子载波的振幅信息，使用插值方法对其进行采样频率校准，对子载波的振幅信息构成的矩阵降维处理后进行低通滤波，之后进行连续小波变换，并计算小波系数的小波方差，将其作为特征；在人体检测的训练阶段从采集的数据中选取足够的数据作为训练集，对分类器进行训练；在人体检测的检测阶段，使用分类器对经前述步骤处理的数据进行识别，确定是否有人，并进行修正。该方法从频域的角度提取人体移动时的周期性特征，降低了对环境的依赖性。

Description

一种基于无线信号的室内被动入侵检测方法
技术领域
本发明属于无线定位技术领域，具体涉及一种基于无线信号的室内被动入侵检测方法。
背景技术
现有的入侵检测方法大多使用基于视频图像、红外线等技术，尽管这些方法具有较高的检测精度，但是这些方法都受到其各自的使用条件以及专用的硬件设备等限制，无法大规模应用这些技术。由于近年来WiFi设备在功能区域及私人住宅大规模部署，设备无关被动人体检测平民化。WiFi设备除了用于通信，对周围环境也具备一定的感知能力，基于WiFi基础设施，能够实现被动人体检测。
一个典型的基于WiFi的设备无关被动人体检测系统通常由若干对发射机与接收机组成，其中无线路由器可以作为发射机，而普通的WiFi设备，例如笔记本电脑、手机等，都可以作为接收机。人在室内不论是否移动，对其周围的无线信号的传播都会产生一定的影响，例如遮挡、反射等，这些影响将使得接收机接收到的信号强度产生波动，这是基于WiFi的设备无关人体检测的基本原理。
然而，现有的基于WiFi的被动人体检测技术应用在室内入侵检测系统中仍然存在局限性。普通的人体检测技术只能检测出人在室内以常规方式移动，但是一个入侵者进入室内之后为了躲避监控使自己被发现的概率尽量降低，非常有可能会远离监测设备或者移动非常慢。而且，大部分人体检测技术在正式投入使用之前都需要前期勘测，采集室内没有人及有人走动时的信号样本，这使得人体检测系统使用上更加复杂，而且前期勘测需要专业人员参与，增加其使用门槛。因此，这些人体检测方法在应用到安全领域的入侵检测系统中失效的可能性会大大增加。
为了解决以上问题，本发明提出一种高鲁棒性的基于无线信号的室内被动入侵检测方法。
发明内容
本发明的目的在于提供一种高鲁棒性的基于无线信号的室内被动入侵检测方法，使其能够在不同环境中检测出以不同方式移动的入侵者。
本发明的目的是这样实现的：
本发明提出了一种基于无线信号的室内被动入侵检测方法，包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，主要包括以下步骤：
(1)将发射机和接收机放置在房间内任意位置，并从接收机中获取信道状态信息，以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅信息；
(2)使用插值方法，对原始振幅信息进行采样频率校准；利用矩阵降维方法，对所有子载波的振幅信息构成的矩阵进行降维处理，对得到的降维结果进行低通滤波；
(3)对低通滤波得到的结果进行连续小波变换，并计算小波系数的小波方差，将小波方差作为特征；
(4)在人体检测的训练阶段，从采集的数据中选取足够的数据作为训练集，对分类器进行训练；
(5)在人体检测的检测阶段，对于按滑动窗口实时采集的数据，经过步骤(1)至步骤(3)的处理，使用步骤(4)训练的分类器对其进行识别，确定是否有人；
(6)对人体检测的结果进行修正。
所述的步骤(1)中使用的发射机和接收机在房间中的摆放位置间隔有一定的距离；发射机和接收机设定的采样频率不低于100Hz。
所述的步骤(2)中使用的矩阵降维方法为主成分分析法。
所述的步骤(3)通过以下步骤实现：
(3.1)对通过步骤(2)得到的结果进行连续小波变换，变换公式如下：
其中，a为小波的伸缩系数，τ为小波的平移系数，f(t)为信号的时域表示，为小波基函数；
(3.2)计算小波系数的小波方差，计算公式如下：
其中，|Wf(a,b)|2为在尺度为a，时间为b时，小波系数的能量；
(3.3)将小波方差作为人体移动周期性明显程度的特征。
步骤(6)中所述的结果处理阶段会依靠真实世界的先验知识纠正一些不可能发生的情况，在真实情况中，一个入侵者不会突然出现又立刻消失，或者突然消失又立刻出现，通过在结果处理中设置投票窗口，纠正窗口中的结果，提高入侵检测的准确率。
本发明的有益效果在于：
现有基于无线信号的人体检测方法均从无线信号中提取时域特征进行检测，而这类特征会导致人体检测性能与人体的运动强度及移动形式相关，只有当人体以正常方式行走时才能够正常工作，并且在一定程度上还依赖于当前环境，使人体检测系统对环境敏感，当环境发生变化需要重新对系统进行训练。
而本发明提出的方法很好地解决了该问题。其基本思想是从频域的角度提取人体移动时的周期性特征，例如人在走路时左腿和右腿分别走一步完成一个走路周期。通过利用人走路的周期性特征，不论入侵者用何种方式移动，例如正常行走、弯腰行走及贴地爬行，都能够有效地检测出入侵者的存在，并且只需要训练一次，就可以在不同环境中有效工作。
附图说明
图1为本发明中一种基于无线信号的室内被动入侵检测方法的原理框图；
图2为本发明中室内有人移动和无人情况时小波方差的分布示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
结合图1，本发明提出了一种基于无线信号的室内被动入侵检测方法，首先从接收机采集无线信号原始的CSI数据，接下来依次进行数据预处理、特征提取、人体检测和结果处理。
(1)在数据采集阶段，将发射机和接收机摆放在房间内任意位置，但最好将二者分开一定的距离，例如房间对角的两个墙角，发射机和接收机可以分别为但不局限于无线路由器和笔记本电脑。设定好一定的采样率，一般不低于100Hz，从接收机中获每个数据包中的取信道状态信息。以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅数据。
(2)在数据预处理阶段，由于普通商用无线设备无法精确设定采样率，因此首先需要使用插值的方法，对原始的振幅信息进行采样频率校准。此时数据的维度较大，不适合直接处理，因此需要使用矩阵降维方法，例如使用主成分分析，对所有子载波的振幅信息构成的矩阵进行降维处理。再对降维结果进行低通滤波去掉数据中的高频噪声。
(3)在特征提取阶段，对步骤(2)中得到的结果进行连续小波变换，如公式(1)，并计算小波系数的小波方差，如公式(2)，将小波方差作为人体移动周期性明显程度的特征。
式中：a--------小波的伸缩系数(尺度)
τ--------小波的平移系数
f(t)--------信号的时域表示
式中：|Wf(a,b)|2--------在尺度为a，时间为b时，小波系数的能量。
(4)人体检测阶段可细分为训练阶段和检测阶段，在训练阶段中，从采集的数据中选取足够的数据作为训练集，数据中包含多种移动方式时的数据，对分类器进行训练。在检测阶段，以滑动窗口的形式实时采集数据，使用训练完成的分类器进行识别，从而确定是否有人.
(5)在结果处理阶段，会依靠真实世界的先验知识纠正一些不可能发生的情况，由于在真实情况中，一个入侵者不会突然出现又立刻消失，或者突然消失又立刻出现，因此在结果处理中设置一个窗口，以投票的形式对窗口中的结果进行纠正，从而进一步提高入侵检测的准确率。
如图2所示为室内有人移动和无人情况时小波方差的分布示意图，展示了本发明提出的方法在室内被动入侵检测中的监测有效性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于无线信号的室内被动入侵检测方法，其特征在于，包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，主要包括以下步骤：
(1)将发射机和接收机放置在房间内任意位置，并从接收机中获取信道状态信息，以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅信息；
(2)使用插值方法，对原始振幅信息进行采样频率校准；利用矩阵降维方法，对所有子载波的振幅信息构成的矩阵进行降维处理，对得到的降维结果进行低通滤波；
(3)对低通滤波得到的结果进行连续小波变换，并计算小波系数的小波方差，将小波方差作为特征；
(4)在人体检测的训练阶段，从采集的数据中选取足够的数据作为训练集，对分类器进行训练；
(5)在人体检测的检测阶段，对于按滑动窗口实时采集的数据，经过步骤(1)至步骤(3)的处理，使用步骤(4)训练的分类器对其进行识别，确定是否有人；
(6)对人体检测的结果进行修正。
2.根据权利要求1所述的一种基于无线信号的室内被动入侵检测方法，其特征在于：所述的步骤(1)中使用的发射机和接收机在房间中的摆放位置间隔有一定的距离；发射机和接收机设定的采样频率不低于100Hz。
3.根据权利要求1所述的一种基于无线信号的室内被动入侵检测方法，其特征在于：所述的步骤(2)中使用的矩阵降维方法为主成分分析法。
4.根据权利要求1所述的一种基于无线信号的室内被动入侵检测方法，其特征在于，所述的步骤(3)通过以下步骤实现：
(3.1)对通过步骤(2)得到的结果进行连续小波变换，变换公式如下：
其中，a为小波的伸缩系数，τ为小波的平移系数，f(t)为信号的时域表示，为小波基函数；
(3.2)计算小波系数的小波方差，计算公式如下：
其中，|Wf(a,b)|2为在尺度为a，时间为b时，小波系数的能量；
(3.3)将小波方差作为人体移动周期性明显程度的特征。
5.根据权利要求1所述的一种基于无线信号的室内被动入侵检测方法，其特征在于：步骤(6)中所述的结果处理阶段会依靠真实世界的先验知识纠正一些不可能发生的情况，在真实情况中，一个入侵者不会突然出现又立刻消失，或者突然消失又立刻出现，通过在结果处理中设置投票窗口，纠正窗口中的结果，提高入侵检测的准确率。
CN201910036683.9A 2019-01-15 2019-01-15 一种基于无线信号的室内被动入侵检测方法 Pending CN109658655A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910036683.9A CN109658655A (zh) 2019-01-15 2019-01-15 一种基于无线信号的室内被动入侵检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910036683.9A CN109658655A (zh) 2019-01-15 2019-01-15 一种基于无线信号的室内被动入侵检测方法

Publications (1)

Publication Number Publication Date
CN109658655A true CN109658655A (zh) 2019-04-19

Family

ID=66120076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910036683.9A Pending CN109658655A (zh) 2019-01-15 2019-01-15 一种基于无线信号的室内被动入侵检测方法

Country Status (1)

Country Link
CN (1) CN109658655A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111481203A (zh) * 2020-05-22 2020-08-04 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法
CN111626174A (zh) * 2020-05-22 2020-09-04 哈尔滨工程大学 一种基于信道状态信息的姿态鲁棒动作识别方法
CN112869734A (zh) * 2021-01-11 2021-06-01 乐鑫信息科技（上海）股份有限公司 一种Wi-Fi人体检测的方法和智能设备
CN112953663A (zh) * 2021-03-11 2021-06-11 南京信息工程大学 基于ofdm子载波经验分析的被动式室内入侵检测方法
CN113077600A (zh) * 2021-04-07 2021-07-06 浙江科技学院 一种基于菲涅耳区的Wi-Fi室内安防报警系统
CN114513608A (zh) * 2022-02-21 2022-05-17 深圳市美科星通信技术有限公司 移动侦测方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9268938B1 (en) * 2015-05-22 2016-02-23 Power Fingerprinting Inc. Systems, methods, and apparatuses for intrusion detection and analytics using power characteristics such as side-channel information collection
CN105629227A (zh) * 2016-01-21 2016-06-01 浙江大学 基于连续小波变换的隔墙人体运动检测方法
CN105828289A (zh) * 2016-04-20 2016-08-03 浙江工业大学 一种基于信道状态信息的无源室内定位方法
CN106411433A (zh) * 2016-09-08 2017-02-15 哈尔滨工程大学 一种基于wlan的细粒度室内被动入侵检测方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9268938B1 (en) * 2015-05-22 2016-02-23 Power Fingerprinting Inc. Systems, methods, and apparatuses for intrusion detection and analytics using power characteristics such as side-channel information collection
CN105629227A (zh) * 2016-01-21 2016-06-01 浙江大学 基于连续小波变换的隔墙人体运动检测方法
CN105828289A (zh) * 2016-04-20 2016-08-03 浙江工业大学 一种基于信道状态信息的无源室内定位方法
CN106411433A (zh) * 2016-09-08 2017-02-15 哈尔滨工程大学 一种基于wlan的细粒度室内被动入侵检测方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIGUANG LV: "Device-Free Passive Identity Identification via Wifi Signals", 《SENSORS》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111481203A (zh) * 2020-05-22 2020-08-04 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法
CN111626174A (zh) * 2020-05-22 2020-09-04 哈尔滨工程大学 一种基于信道状态信息的姿态鲁棒动作识别方法
CN111626174B (zh) * 2020-05-22 2023-03-24 哈尔滨工程大学 一种基于信道状态信息的姿态鲁棒动作识别方法
CN111481203B (zh) * 2020-05-22 2023-05-05 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法
CN112869734A (zh) * 2021-01-11 2021-06-01 乐鑫信息科技（上海）股份有限公司 一种Wi-Fi人体检测的方法和智能设备
CN112953663A (zh) * 2021-03-11 2021-06-11 南京信息工程大学 基于ofdm子载波经验分析的被动式室内入侵检测方法
CN113077600A (zh) * 2021-04-07 2021-07-06 浙江科技学院 一种基于菲涅耳区的Wi-Fi室内安防报警系统
CN114513608A (zh) * 2022-02-21 2022-05-17 深圳市美科星通信技术有限公司 移动侦测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN109658655A (zh) 一种基于无线信号的室内被动入侵检测方法
CN107749143B (zh) 一种基于WiFi信号的穿墙室内人员跌倒探测系统及方法
CN105933080B (zh) 一种跌倒检测方法和系统
Wang et al. RT-Fall: A real-time and contactless fall detection system with commodity WiFi devices
Guo et al. HuAc: Human activity recognition using crowdsourced WiFi signals and skeleton data
CN109672485B (zh) 基于信道状态信息室内人员实时入侵及运动速度检测方法
Feng et al. Wi-multi: A three-phase system for multiple human activity recognition with commercial wifi devices
CN104951757B (zh) 一种基于无线信号的动作检测和识别的方法
Nakamura et al. Wi-fi-CSI-based fall detection by spectrogram analysis with CNN
Zhang et al. WiFiMap+: High-level indoor semantic inference with WiFi human activity and environment
Xu et al. Attention-based gait recognition and walking direction estimation in wi-fi networks
CN109657572A (zh) 一种基于Wi-Fi的墙后目标行为识别方法
Zhu et al. NotiFi: A ubiquitous WiFi-based abnormal activity detection system
CN110149604B (zh) 一种基于wifi信号的人员检测方法
Li et al. Using Wi-Fi signals to characterize human gait for identification and activity monitoring
CN114222202B (zh) 一种基于WiFi CSI的环境自适应活动检测方法及系统
CN110730473A (zh) 面向WiFi活动识别的信号特征提取方法
Mei et al. WiWave: WiFi-based human activity recognition using the wavelet integrated CNN
CN113341392B (zh) 一种基于多站雷达微多普勒运动测向的人体行为分类方法
CN106375756B (zh) 一种针对监控视频单一对象移除篡改的检测方法
Chen et al. WiTT: Modeling and the evaluation of table tennis actions based on WIFI signals
Huang et al. WiLay: A two-layer human localization and activity recognition system using WiFi
CN105451235A (zh) 基于背景更新的无线传感器网络入侵检测方法
Fan et al. WiVi: WiFi-video cross-modal fusion based multi-path gait recognition system
CN110674694B (zh) 基于商业WiFi的活动信号分离方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190419