CN110575176B - 基于两层滑动窗口阈值的动作分割方法 - Google Patents

基于两层滑动窗口阈值的动作分割方法 Download PDF

Info

Publication number
CN110575176B
CN110575176B CN201910792913.4A CN201910792913A CN110575176B CN 110575176 B CN110575176 B CN 110575176B CN 201910792913 A CN201910792913 A CN 201910792913A CN 110575176 B CN110575176 B CN 110575176B
Authority
CN
China
Prior art keywords
action
variance
window
sub
main window
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.)
Active
Application number
CN201910792913.4A
Other languages
English (en)
Other versions
CN110575176A (zh
Inventor
桂林卿
何博
肖甫
束锋
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201910792913.4A priority Critical patent/CN110575176B/zh
Publication of CN110575176A publication Critical patent/CN110575176A/zh
Application granted granted Critical
Publication of CN110575176B publication Critical patent/CN110575176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116Determining posture transitions
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于两层滑动窗口阈值的动作分割方法,包括:计算每个数据包中信道状态信息幅度数据的有效值,对数据包加上若干个同一宽度的主窗口,并计算主窗口内信道状态信息幅度数据有效值的方差,判断主窗口内有效值的方差是否满足动作识别条件,若满足,则进一步将主窗口划分为若干个等间距的小窗口,计算小窗口内的信道状态信息幅度数有效值的方差,并根据此方差值确定动作的起止点。本发明提供的基于两层滑动窗口阈值的动作分割方法,能够提高动作分割准确性。

Description

基于两层滑动窗口阈值的动作分割方法
技术领域
本发明涉及室内人员的身体姿态判断技术领域,特别涉及一种基于两层滑动窗口阈值的动作分割方法。
背景技术
动作分割的关键点在于准确找出动作的起始点。目前,基于信道状态信息的人员动作分割方法主要包括阈值法,滑动窗口法。
X.Wu等人于2019年在IEEE Transactions onVehicular Technology上发表的论文“TW-See:Human Activity Recognition Through theWall With Commodity Wi-FiDevices”中提出归一化方差滑动窗口算法,首先计算窗口内数据的方差值,再将方差值归一化,与阈值做比较实现动作起止点的判断。但是该方法只利用了一层的窗口,且窗口的宽度较大,不能实现精准的动作起止点识别。
H.Wang等人于2017年在IEEE Transactions on Mobile Computing上发表论文“RT-Fall:A Real-Time and Contactless FallDetection System with Commodity WiFiDevices”中提出了两步判断摔倒动作的起止点。第一步先确定摔倒动作的终点,利用滑动窗口阈值法来识别原始相位差数据和经过带通滤波后的相位差数据从波动到静止的状态变化,当两组数据都从波动到静止状态,且两个状态变化时间点非常接近,则第二个状态变化时刻点为摔倒动作的结束点。第二步将摔倒动作终点的前两秒作为起点。这种方法可以较为准确地识别出摔倒动作的终点,但是对于不同的人员,摔倒动作起点的识别就不会十分精准。
Y.Xu等人于2017年在Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies上发表论文“WiStep:Device-free StepCounting with WiFi Signals”中提出利用出成分分析算法来计算实现动作分割,但是这种方法容易受到周围环境的影响,会使得判别结果不准确。
发明内容
本发明的目的旨在提供一种基于两层滑动窗口阈值的动作分割方法,以提高动作分割准确率。
本发明提供一种基于两层滑动窗口阈值的动作分割方法,包括:S1、计算每个数据包中信道状态信息幅度数据的有效值;S2、将所有信道状态信息幅度数据有效值加上若干个同一宽度的主窗口,并计算当前主窗口内信道状态信息幅度数有效值的方差;S3、判断主窗口内有效值的方差是否满足动作识别条件,若满足,则进一步将主窗口划分为若干个等间距的小窗口,计算小窗口内的信道状态信息幅度数有效值的方差,并根据此方差值确定动作的起止点。
进一步地,所述步骤S3可以包括:动作识别条件是指先确定寻找的是动作的起点还是终点,以及这两种情况下主窗口内的方差需要满足的条件,确定条件满足,划分小窗口并利用小窗口内的信道状态信息幅度数有效值的方差确定动作起止点,具体而言包括:
首先,判断第j个动作起点是否找到,若没有找到,且宽度为W1主窗口内信道状态信息幅度数有效值CSIeff的方差σpri大于阈值θr_s,则表明当前的主窗口内有动作的起点;若第j个动作起点已找到,且σpri小于阈值θr_e,则表明当前的主窗口内有动作的终点;
然后,将符合阈值条件的CSIeff方差所对应的主窗口再划分成宽度为W2小窗口,并计算小窗口中的CSIeff方差;
接着,若当前主窗口内有动作的起点,找出第一个大于阈值θsub_s的小窗口方差,记为σsub(sub_s),其中sub_s为此时小窗口的序号,且主窗口的序号为p_s,则有第j个动作的起点s(j)=(p_s-1)W1+(sub_s-1)W2;若当前主窗口内有动作的终点,找出第一个小于阈值θsub_e的小窗口方差,记为σsub(sub_e),其中sub_e为此时小窗口的序号,且主窗口的序号为p_e,则有第j个动作的终点e(j)=(p_e-1)W1+(sub_e-1)W2
附图说明
图1是基于两层滑动窗口阈值的动作分割方法;
具体实施方式
本发明所述的基于无线信道状态信息的坐姿时长检测方法,具体实施方式包含以下几个步骤:
(1)计算每个数据包中信道状态信息幅度数据的有效值CSIeff,计算公式如下所示:
其中,|H(fk)|表示第k个子载波的信道状态信息幅度值,fk表示第k个子载波的频率,fc表示整个频段的中心频率,K表示子载波的数量,本发明中共采用30个子载波,因此K取30。
(2)将所有的CSIeff加上若干个宽度为W1的主窗口,并计算当前主窗口内的CSIeff方差σpri(p_s),σpri(p_e),主要过程包括:
1)将步骤(1)中得到的信道状态信息幅度数据的有效值CSIeff加上若干个主窗口,主窗口宽度为W1,本发明中W1取50。
2)计算每个主窗口中CSIeff的方差,若当前需要寻找动作的起点,该方差表示为σpri(p_s),若当前需要寻找动作的终点,该方差表示为σpri(p_e)。
(3)判断第j个动作起点是否找到,方差σpri(p_s),σpri(p_e)是否满足阈值条件,若满足阈值条件,则将当前的主窗口进一步划分成宽度为W2的小窗口,并计算每个小窗口内CSIeff的方差,根据小窗口的方差值确定准确的动作起始时刻,主要过程包括:
1)判断第j个动作起点是否找到,若没有找到,则表明需要寻找动作的起点,若此时主窗口内的CSIeff方差σpri(p_s)大于阈值θr_s,则表明当前的主窗口内有动作的起点;若第j个动作起点已找到,则表明需要寻找动作的终点,若此时σpri(p_e)小于阈值θr_e,则表明当前的主窗口内有动作的终点;
2)将符合阈值条件的CSIeff方差所对应的主窗口再划分成宽度为W2小窗口,并计算小窗口中的CSIeff方差,本发明中W2取10;
3)若当前主窗口内有动作的起点,找出第一个大于阈值θsub_s的小窗口方差,记为σsub(sub_s),其中sub_s为此时小窗口的序号,且主窗口的序号为p_s,则有第j个动作的起点s(j)=(p_s-1)W1+(sub_s-1)W2;若当前主窗口内有动作的终点,找出第一个小于阈值θsub_e的小窗口方差,记为σsub(sub_e),其中sub_e为此时小窗口的序号,且主窗口的序号为p_e,则有第j个动作的终点e(j)=(p_e-1)W1+(sub_e-1)W2,即对于动作的起止点有:

Claims (1)

1.一种基于两层滑动窗口阈值的动作分割方法,其特征在于,包括:
S1、计算每个数据包中信道状态信息幅度数据的有效值;
S2、将所有信道状态信息幅度数据有效值加上若干个同一宽度的主窗口,并计算主窗口内信道状态信息幅度数有效值的方差;
S3、判断主窗口内有效值的方差是否满足动作识别条件,若满足,则进一步将主窗口划分为若干个等间距的小窗口,计算小窗口内的信道状态信息幅度数有效值的方差,并根据此方差值确定动作的起止点,步骤S3进一步包括:动作识别条件是指先确定寻找的是动作的起点还是终点,以及这两种情况下主窗口内的方差需要满足的条件,确定条件满足,划分小窗口并利用小窗口内的信道状态信息幅度数有效值的方差确定动作起止点,具体而言包括:
首先,判断第j个动作起点是否找到,若没有找到,且宽度为W1主窗口内信道状态信息幅度数有效值CSIeff的方差σpri大于阈值θr_s,则表明当前的主窗口内有动作的起点;若第j个动作起点已找到,且σpri小于阈值θr_e,则表明当前的主窗口内有动作的终点;
然后,将符合阈值条件的CSIeff方差所对应的主窗口再划分成宽度为W2小窗口,并计算小窗口中的CSIeff方差;
接着,若当前主窗口内有动作的起点,找出第一个大于阈值θsub_s的小窗口方差,记为σsub(sub_s),其中sub_s为此时小窗口的序号,且主窗口的序号为p_s,则有第j个动作的起点s(j)=(p_s-1)W1+(sub_s-1)W2;若当前主窗口内有动作的终点,找出第一个小于阈值θsub_e的小窗口方差,记为σsub(sub_e),其中sub_e为此时小窗口的序号,且主窗口的序号为p_e,则有第j个动作的终点e(j)=(p_e-1)W1+(sub_e-1)W2
CN201910792913.4A 2019-08-26 2019-08-26 基于两层滑动窗口阈值的动作分割方法 Active CN110575176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910792913.4A CN110575176B (zh) 2019-08-26 2019-08-26 基于两层滑动窗口阈值的动作分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910792913.4A CN110575176B (zh) 2019-08-26 2019-08-26 基于两层滑动窗口阈值的动作分割方法

Publications (2)

Publication Number Publication Date
CN110575176A CN110575176A (zh) 2019-12-17
CN110575176B true CN110575176B (zh) 2024-03-26

Family

ID=68812178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910792913.4A Active CN110575176B (zh) 2019-08-26 2019-08-26 基于两层滑动窗口阈值的动作分割方法

Country Status (1)

Country Link
CN (1) CN110575176B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111166340B (zh) * 2019-12-31 2022-11-18 石家庄学院 基于自适应加速度信号分割的人体姿势实时识别方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010238105A (ja) * 2009-03-31 2010-10-21 Nippon Telegr & Teleph Corp <Ntt> 平常/非平常判定システム、方法及びプログラム
CN103455798A (zh) * 2013-09-08 2013-12-18 西安电子科技大学 基于最大几何流向直方图的人体检测方法
CN103870833A (zh) * 2014-03-31 2014-06-18 武汉工程大学 基于凹性测度的路面裂缝提取与测评方法
JP2014180335A (ja) * 2013-03-18 2014-09-29 Fujitsu Ltd 食動作検出装置、食動作検出方法及びプログラム
CN105342626A (zh) * 2015-12-08 2016-02-24 成都麦杰康科技有限公司 穿戴式设备及应用于穿戴式设备的跌倒检测方法
CN105607475A (zh) * 2015-12-24 2016-05-25 西安交通大学 一种基于双滑动窗口的电器设备运行状态识别方法
CN105708471A (zh) * 2016-01-21 2016-06-29 浙江大学 基于短时傅里叶变换的隔墙人体运动检测方法
JP2016182160A (ja) * 2015-03-25 2016-10-20 日本電信電話株式会社 運動状態解析システムとその方法、装置及びプログラム
CN107644229A (zh) * 2017-08-31 2018-01-30 浙江工业大学 基于多传感器信息融合的室内异常行为检测方法
CN109431526A (zh) * 2018-12-25 2019-03-08 成都中昂科技有限公司 基于wifi的驾驶状态识别方法及系统
CN109670434A (zh) * 2018-12-13 2019-04-23 南京理工大学 基于无线信道状态信息的坐姿时长检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6510329B2 (en) * 2001-01-24 2003-01-21 Datex-Ohmeda, Inc. Detection of sensor off conditions in a pulse oximeter
KR100566210B1 (ko) * 2003-09-22 2006-03-29 삼성전자주식회사 무선 통신 시스템에서 채널 할당 장치 및 방법
KR100630156B1 (ko) * 2005-09-16 2006-10-02 삼성전자주식회사 개인 항법 기기에서 걸음 검출 장치 및 방법
US7773803B2 (en) * 2006-05-11 2010-08-10 Xerox Corporation Effective coding of page boundary for MRC/MECCA segmentation
US7876242B2 (en) * 2009-04-29 2011-01-25 Texas Instruments Incorporated Method and apparatus for unit interval calculation of displayport auxilliary channel without CDR
GB2487226B (en) * 2011-01-14 2017-03-08 Nvidia Tech Uk Ltd Equalisation of a signal received over a wireless channel
US9766370B2 (en) * 2015-05-18 2017-09-19 Apple Inc. Wrist-detection algorithm
CN105496416B (zh) * 2015-12-28 2019-04-30 歌尔股份有限公司 一种人体运动状态的识别方法和装置
CN106974658B (zh) * 2016-01-15 2021-03-02 松下知识产权经营株式会社 信息终端装置的控制方法以及体动测定装置
US10506990B2 (en) * 2016-09-09 2019-12-17 Qualcomm Incorporated Devices and methods for fall detection based on phase segmentation

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010238105A (ja) * 2009-03-31 2010-10-21 Nippon Telegr & Teleph Corp <Ntt> 平常/非平常判定システム、方法及びプログラム
JP2014180335A (ja) * 2013-03-18 2014-09-29 Fujitsu Ltd 食動作検出装置、食動作検出方法及びプログラム
CN103455798A (zh) * 2013-09-08 2013-12-18 西安电子科技大学 基于最大几何流向直方图的人体检测方法
CN103870833A (zh) * 2014-03-31 2014-06-18 武汉工程大学 基于凹性测度的路面裂缝提取与测评方法
JP2016182160A (ja) * 2015-03-25 2016-10-20 日本電信電話株式会社 運動状態解析システムとその方法、装置及びプログラム
CN105342626A (zh) * 2015-12-08 2016-02-24 成都麦杰康科技有限公司 穿戴式设备及应用于穿戴式设备的跌倒检测方法
CN105607475A (zh) * 2015-12-24 2016-05-25 西安交通大学 一种基于双滑动窗口的电器设备运行状态识别方法
CN105708471A (zh) * 2016-01-21 2016-06-29 浙江大学 基于短时傅里叶变换的隔墙人体运动检测方法
CN107644229A (zh) * 2017-08-31 2018-01-30 浙江工业大学 基于多传感器信息融合的室内异常行为检测方法
CN109670434A (zh) * 2018-12-13 2019-04-23 南京理工大学 基于无线信道状态信息的坐姿时长检测方法
CN109431526A (zh) * 2018-12-25 2019-03-08 成都中昂科技有限公司 基于wifi的驾驶状态识别方法及系统

Also Published As

Publication number Publication date
CN110575176A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN106658590B (zh) 基于WiFi信道状态信息多人室内环境状态监控系统的设计与实现
Zhou et al. Device-free presence detection and localization with SVM and CSI fingerprinting
CN109670434B (zh) 基于无线信道状态信息的坐姿时长检测方法
Zhang et al. Wifi-id: Human identification using wifi signal
US10219129B2 (en) Autonomous semantic labeling of physical locations
US10111616B2 (en) Apparatus, method and computer accessible medium for monitoring sleep quality and apparatus thereof
CN106604394A (zh) 一种基于csi的判定室内人体运动速度模型
CN110502105B (zh) 一种基于csi相位差的手势识别系统及识别方法
CN107154088B (zh) 基于信道状态信息的活动人员数量估计方法
WO2019192235A1 (zh) 一种基于移动设备的用户身份认证方法及系统
JP2018173285A (ja) 行動認識システム、及び行動認識方法
CN109902554B (zh) 一种基于商用Wi-Fi的手语的识别方法
CN110414479B (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
Zhu et al. NotiFi: A ubiquitous WiFi-based abnormal activity detection system
Zhang et al. WiFiMap+: high-level indoor semantic inference with WiFi human activity and environment
CN110730473A (zh) 面向WiFi活动识别的信号特征提取方法
CN107862295A (zh) 一种基于WiFi信道状态信息识别面部表情的方法
CN114048773A (zh) 一种基于迁移学习和WiFi的行为识别方法及系统
CN110575176B (zh) 基于两层滑动窗口阈值的动作分割方法
Chen et al. AFall: Wi-Fi-based device-free fall detection system using spatial angle of arrival
Man et al. PWiG: A phase-based wireless gesture recognition system
Pan et al. Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN
Huang et al. PhaseAnti: An anti-interference WiFi-based activity recognition system using interference-independent phase component
Chen et al. WiTT: Modeling and the evaluation of table tennis actions based on WIFI signals
Ahmed et al. Wi-fi csi based human sign language recognition using lstm network

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