CN115586581A - 一种人员检测的方法和电子设备 - Google Patents
一种人员检测的方法和电子设备 Download PDFInfo
- Publication number
- CN115586581A CN115586581A CN202211535319.5A CN202211535319A CN115586581A CN 115586581 A CN115586581 A CN 115586581A CN 202211535319 A CN202211535319 A CN 202211535319A CN 115586581 A CN115586581 A CN 115586581A
- Authority
- CN
- China
- Prior art keywords
- subcarriers
- amplitude
- subcarrier
- indoor environment
- result
- 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
Images
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
-
- 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
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请实施例涉及通信领域,提供了一种人员检测的方法和电子设备,电子设备获取N个子载波中每个子载波的振幅,得到每个子载波的振幅的概率密度,进而,根据每个子载波的振幅的概率密度确定室内环境是否有人,从而,能够为相关人员(例如,家里的主人)提供及时有效的安防信息。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全。
Description
技术领域
本申请涉及通信领域,更具体地,涉及通信领域中一种人员检测的方法和电子设备。
背景技术
随着经济以及社会的发展,家庭安防作为家居的组成部分,越来越受到人们的重视。现在的普通家庭,为了布置家庭安防,一般需要购买专门的安防套装,例如监控摄像头、门窗传感器,人体传感器等。这些传统的家庭安防的方式不仅需要额外的花费,而且,监控摄像头还会暴露人脸特质,造成隐私安全的问题。
发明内容
本申请实施例提供了一种人员检测的方法的电子设备,能够解决上述问题。
第一方面,提供了一种人员检测的方法,包括:
获取用于传输无线保真WIFI信号的N个子载波中每个子载波的振幅,N为大于0的整数;
确定所述每个子载波的振幅的概率密度;
根据所述每个子载波的振幅的概率密度,确定室内环境是否有人。
本申请实施例提供的人员检测的方法,电子设备获取N个子载波中每个子载波的振幅,得到每个子载波的振幅的概率密度,进而,根据每个子载波的振幅的概率密度确定室内环境是否有人,从而能够为相关人员(例如,家里的主人)提供及时有效的安防信息。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全,此外,整个处理过程的功耗消耗少。
可选地,N=1,所述N个子载波为第一子载波;以及,所述根据每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
根据所述第一子载波的振幅的概率密度的峰值,确定第一振幅区间的密度和,所述第一振幅区间包括所述概率密度的峰值对应的振幅;
根据所述密度和,确定所述室内环境中是否有人。
本申请实施例提供的人员检测的方法,由于仅需要根据一个子载波的振幅的概率密度的密度和就可以确定室内环境是否有人,不需要采集很多数据,实现过程相对简单,节省了处理时间。此外,由于概率密度的峰值的点数较多,且峰值的概率密度最高,对峰值对应的振幅附近的第一振幅区间的密度和进行计算,得到的点数更多,即采用的数据越多,这样的数据更具有代表性,相比于概率密度的峰值,密度和能够更好地表征子载波的振幅的集中程度,基于密度和确定室内环境是否有人,能够得到较为准确的判定结果。
可选地,所述根据所述密度和,确定所述室内环境中是否有人,包括:
若所述密度和大于第一阈值,则确定所述室内环境无人;
若所述密度和小于所述第一阈值,则确定所述室内环境有人。
可选地,所述概率密度的峰值对应的振幅为所述第一振幅区间的中间值。
本申请实施例提供的人员检测的方法,将概率密度的峰值对应的振幅作为第一振幅区间的中间值,可以相对均匀地得到峰值两侧的第一振幅区间的密度和,提高数据的稳定性。
可选地,N大于1,所述N个子载波的振幅为同一时段内的子载波的振幅;以及,所述根据所述每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人。
本申请实施例提供的人员检测的方法,通过同一时段内多个子载波的振幅的概率密度的峰值确定室内环境中是否有人,多个子载波的特性相比于某个子载波的特性具有普遍性,不容易受到异常情况的影响,提高了方案的健壮性和可靠性。
可选地,所述根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人,包括:
根据所述每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度的峰值大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述室内环境是否有人。
本申请实施例提供的人员检测的方法,由于不同子载波的特性不同,因此,可以为每个子载波设置对应的阈值,将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较,以最终确定室内环境有人,能够提高判断结果的准确性。
可选地,所述根据所述第一结果和所述第二结果,确定所述室内环境是否有人,包括:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述室内环境无人。
本申请实施例提供的人员检测的方法,通过第一类子载波的数量与第二类子载波的数量的多少,确定室内环境是否有人,实现过程简单且易于实现。
可选地,所述每个子载波对应的阈值为无人时所述每个子载波的振幅的概率密度的峰值。
本申请实施例提供的人员检测的方法,将无人时每个子载波的子载波密度的峰值作为用于区分是否有人的基准,判断的基准相对精确,进而提高了判断结果的精确度。
可选地,N大于1,所述N个子载波包括M组子载波,所述M组子载波的振幅对应M个时段,每组子载波的振幅是对应的时段内的子载波的振幅,所述每组子载波包括P个子载波,M和P均为大于0且小于N的整数;以及,所述根据所述每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人。
本申请实施例提供的人员检测的方法,由于结合了多个(例如,M个)时段对应的多组子载波的振幅的概率密度的峰值来确定室内环境是否有人,采集的数据更多,且多个时段的多组子载波的特性相比于某个子载波或者某个时段的子载波的特性更具有普遍性,能更好地减少异常情况对判定结果的影响,很好地提高了方案的健壮性和可靠性。
可选地,所述在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人,包括:
在[1,M]的范围内对i遍历取值,根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以确定所述M组子载波对应的M个判定结果,所述M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,所述第一类判定结果用于表示所述室内环境有人,所述第二类判定结果用于表示所述室内环境无人;
根据所述M个判定结果,确定所述室内环境是否有人。
本申请实施例提供的人员检测的方法,对于M组子载波的数据,不同时段内不同组子载波之间的判定结果不一定完全一致,因此,在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以得到包括第一类判定结果和第二类判定结果中至少一个的M个判定结果,从而,根据M个判定结果来确定室内环境是否有人,考虑了M组子载波的判定结果的不一致性,使得最终得到的判断结果比较精确,且实现过程简单。
可选地,所述根据所述M个判定结果,确定所述室内环境是否有人,包括:
若所述M个判定结果仅包括所述第一类判定结果,则确定所述室内环境有人;
若所述M个判定结果仅包括所述第二类判定结果,则确定所述室内环境无人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量大于所述第二类判定结果的数量,则确定所述室内环境有人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量小于所述第二类判定结果的数量,则确定所述室内环境无人。
可选地,所述根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,包括;
根据所述第i组子载波中每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果。
本申请实施例提供的人员检测的方法,由于不同子载波的特性不同,因此,可以为每个子载波设置对应的阈值,将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较,以得到每组子载波的判定结果,能够提高判断结果的准确性。
可选地,所述根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果,包括:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境无人。
本申请实施例提供的人员检测的方法,通过第一类子载波的数量与第二类子载波的数量的多少,确定室内环境是否有人,实现过程简单且易于实现。
第二方面,提供一种电子设备,所述电子设备用于执行上述第一方面提供的方法。具体地,所述电子设备可以包括用于执行上述第一方面任一种可能实现方式的模块。
第三方面,提供一种电子设备,包括处理器。该处理器与存储器耦合,可用于执行存储器中的指令,以实现上述第一方面任一种可能实现方式中的方法。可选地,该电子设备还包括存储器。可选地,该装置还包括通信接口,处理器与通信接口耦合。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被装置执行时,使得所述装置实现上述第一方面中任一种可能实现方式中的方法。
第五方面,提供一种包含指令的计算机程序产品,所述指令被计算机执行时使得装置实现上述第一方面中任一种可能实现方式中的方法。
第六方面,提供一种芯片,包括:输入接口、输出接口、处理器和存储器,所述输入接口、输出接口、所述处理器以及所述存储器之间通过内部连接通路相连,所述处理器用于执行所述存储器中的代码,当所述代码被执行时,所述处理器用于执行上述第一方面中任一种可能实现方式中的方法。
附图说明
图1是本申请实施例提供的通信系统的示意图。
图2是本申请实施例提供的电子设备的结构示意图。
图3是本申请实施例提供的室内环境在无人时子载波的振幅随时间变化的曲线图。
图4是本申请实施例提供的室内环境在有人时子载波的振幅随时间变化的曲线图。
图5是本申请实施例提供的人员检测的方法的示意性流程图。
图6是本申请实施例提供的是有人时子载波的振幅的概率密度的曲线图。
图7是本申请实施例提供的是无人时子载波的振幅的概率密度的曲线图。
图8是本申请实施例提供的人员检测的方法的另一示意性流程图。
图9是本申请实施例提供的人员检测的方法的另一示意性流程图。
图10是本申请实施例提供的人员检测的方法的再一示意性流程图。
图11是本申请实施例提供的电子设备的示例性框图。
图12本申请实施例提供的电子设备的示意性结构图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例的技术方案应用于任何能够传输无线保真(wireless-fidelity,WIFI)信号的电子设备。例如,电子设备可以是路由器、手机、智能手表、智能手环、平板电脑、智能电视,智能音箱,智能空调等设备,本申请实施例对电子设备的具体类型不做任何限定。
本申请实施例的无线信号,表示的是采用WIFI技术传输的信号,简称WIFI信号。
图1是本申请实施例提供的通信系统的示意图。参考图1,在该通信系统中,包括多个无线设备,该多个无线设备包括路由器110和至少一个无线终端,每个无线终端与路由器无线连接。示例性地,无线设备可以包括智能音箱121、台式电脑122、智能摄像头123和笔记本电脑124。
应理解,图1所示的通信系统仅为示意性说明,不应对本申请实施例构成限定。例如,无线设备可以包括更多或更少的设备。
图2是本申请实施例提供的电子设备的示意性框图。参考图2,图2示出了电子设备200的结构示意图。电子设备200可以包括处理器210,天线1,天线2,移动通信模块250,无线通信模块260,音频模块270,扬声器270A,受话器270B,麦克风270C,耳机接口270D,摄像头293,显示屏294。
可以理解的是,本申请实施例示意的结构并不构成对电子设备200的具体限定。在本申请另一些实施例中,电子设备200可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。例如,电子设备200还可以包括外部存储器接口,内部存储器,通用串行总线(universal serial bus,USB)接口,充电管理模块,电源管理模块和电池等。
处理器210可以包括一个或多个处理单元,例如:处理器210可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备200的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器210中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器210中的存储器为高速缓冲存储器。该存储器可以保存处理器210刚用过或循环使用的指令或数据。如果处理器210需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器210的等待时间,因而提高了系统的效率。
在一些实施例中,处理器210可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
电子设备200的无线通信功能可以通过天线1,天线2,移动通信模块250,无线通信模块260,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备200中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块250可以提供应用在电子设备200上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块250可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块250可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块250还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块250的至少部分功能模块可以被设置于处理器210中。在一些实施例中,移动通信模块250的至少部分功能模块可以与处理器210的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器270A,受话器270B等)输出声音信号,或通过显示屏294显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器210,与移动通信模块250或其他功能模块设置在同一个器件中。
无线通信模块260可以提供应用在电子设备200上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块260可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块260经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器210。无线通信模块260还可以从处理器210接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备200的天线1和移动通信模块250耦合,天线2和无线通信模块260耦合,使得电子设备200可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC ,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system ,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备200通过GPU,显示屏294,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏294和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器210可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏294用于显示图像,视频等。显示屏294包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备200可以包括1个或N个显示屏294,N为大于1的正整数。
电子设备200可以通过ISP,摄像头293,视频编解码器,GPU,显示屏294以及应用处理器等实现拍摄功能。
ISP 用于处理摄像头293反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头293中。
摄像头293用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备200可以包括1个或N个摄像头293,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备200在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备200可以支持一种或多种视频编解码器。这样,电子设备200可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备200的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
电子设备200可以通过音频模块270,扬声器270A,受话器270B,麦克风270C,耳机接口270D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块270用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块270还可以用于对音频信号编码和解码。在一些实施例中,音频模块270可以设置于处理器210中,或将音频模块270的部分功能模块设置于处理器210中。
扬声器270A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备200可以通过扬声器270A收听音乐,或收听免提通话。
受话器270B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备200接听电话或语音信息时,可以通过将受话器270B靠近人耳接听语音。
麦克风270C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风270C发声,将声音信号输入到麦克风270C。电子设备200可以设置至少一个麦克风270C。在另一些实施例中,电子设备200可以设置两个麦克风270C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备200还可以设置三个,四个或更多麦克风270C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口270D用于连接有线耳机。耳机接口270D可以是USB接口230,也可以是3.5mm的开放移动终端设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
可以理解,不同的电子设备,电子设备内的部件不同。例如,若电子设备是手机,则电子设备可以包括图2中的所有部件,以及更多的部件。若电子设备是智能音箱或摄像头,则电子设备可以包括处理器210、音频模块270、无线通信模块260、天线2。若电子设备是无线路由器,则电子设备可以包括处理器210、无线通信模块260、天线2等部件。
针对现有技术中传统的家庭安防存在成本高且隐私安全低的问题,本申请实施例提出了一种人员检测的方法,通过对室内环境的无线信号的相关特性进行分析,确定室内环境中是否有人。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全,此外,整个处理过程的功耗少。
为了便于描述,首先对本申请实施例的相关术语做介绍。
信道状态信息(channel state information,CSI)
在无通信领域,CSI表示通信链路的信道属性。它描述了信号在每条传输路径上的衰弱因子,即信道增益矩阵H(有时也称为信道矩阵,信道衰落矩阵)中每个元素的值。例如,信号散射(scattering),环境衰弱(fading,multipath fading or shadowing fading),距离衰减(power decay of distance)等信息。CSI的主要用途是通过提供当前通信系统的信道条件,从而改变系统的传播策略,在多天线系统中为高可靠性高速率的通信提供了保障。
CSI矩阵中的每个值都是复数,每个元素描述了相应的子载波的振幅和相位。在本申请实施例中,基于CSI可以得到子载波的振幅。
子载波
用于传输信号的频域资源。根据电磁波的特性,可用于通信的频段是非常有限的,每个系统被批准获得的频段也是有限的。为了服务更多的用户,系统把拥有的总频带划分成若干个子频带,每个子频带也被称为一个子载波,它决定了调制信号的传输速率。
目前,基于802.11n协议的WIFI技术采用多输入多输出 (multiple-inputmultiple-output,MIMO) 正交频分复用(orthogonal frequency divisionmultiplexing,OFDM)系统(即AP多个发射天线,接收网卡多个接收天线,且利用OFDM技术进行载波调制),在20Mhz 的高吞吐量(high throughput,HT)传输模式中,一个无线通信信道利用OFDM技术被调制为64个子载波,子载波标号为[-28,-1]和[1,28],中心直流子载波标号为0,用于传送空符号。802.11n使用了其中的56个子载波,且其中的52个子载波用于传输数据信号,4个子载波用于传输导频信号。
在本申请实施例中,通过获取无线信道中子载波的振幅,对子载波的振幅做进一步分析,以确定室内环境中是否有人。
图3是本申请实施例提供的室内环境在无人时子载波的振幅随时间变化的曲线图。图4是本申请实施例提供的室内环境在有人时子载波的振幅随时间变化的曲线图。应理解,图3中的(a)和图4中的(a)针对的是同一个子载波的曲线图,图3中的(b)和图4中的(b)针对的是同一个子载波的曲线图,两个子载波不同。
如图3,在有人时,子载波的振幅随时间的变化范围较大,分散于200dB-1200dB之间,在无人时,子载波的振幅随时间的变化范围小,主要集中在800 dB -900 dB 之间。可以看出,有人时子载波的振幅的波动范围比无人时子载波的振幅的波动范围大很多。因此,可以利用有人和无人时子载波的振幅的波动情况,确定室内环境是否有人。
图5是本申请实施例提供的人员检测的方法300的示例性流程图。该方法300可由支持WIFI通信的电子设备执行,也可由电子设备中的芯片执行,本申请实施例不做任何限定。为了便于描述,以电子设备为例对方法300做详细说明。
在步骤S310中,电子设备获取时段1内子载波1的振幅。
应理解,子载波1是电子设备用于传输WIFI信号的多个子载波中的任一个子载波。
在一些实施例中,电子设备可以从多个子载波中选择一个性能较好的子载波。该性能较好的子载波可以是振幅变化较大的子载波。若性能较好的子载波有多个,则可以将多个性能较好的子载波中的任一个子载波作为子载波1。
在另一些实施例中,电子设备可以从多个子载波中选择性能最好的子载波。该性能最好的子载波可以是振幅变化最大的子载波。
由于子载波的振幅变化可能会存在一些异常值,因此,在确定子载波1时,示例性地,电子设备可以通过滤波器过滤掉异常值,再去从多个子载波中确定子载波1。
示例性地,实现中,电子设备可以从CSI中获取在时段1内子载波1的振幅。
示例性地,电子设备周期性获取不同时段内子载波的振幅。可以理解,不同周期内的子载波1可以相同也可以不同,此处不做任何限定。
在步骤S320中,电子设备确定子载波1的振幅的概率密度。
子载波的振幅的概率密度能够反应出子载波(或信号)波动的大小。一般情况下,无人时,在某个振幅范围内,子载波的波动范围小,概率密度大,所以,概率密度的峰值大。有人时,在某个振幅范围内,子载波的波动范围大,概率密度小,所以,概率密度的峰值小。
如图6所示,若子载波1是图6中的子载波,可以看出,子载波1的振幅的概率密度的峰值大概在0.0016处,概率密度的峰值偏低,而且,子载波1的振幅的范围变化较大,振幅分散在0-3000dB之间,集中分布在2450dB附近的区间。所以,实际上,大概率可以推测图6的子载波对应的室内环境是有人的情况。
如图7所示,若子载波1是图7中的子载波,可以看出,子载波1的振幅的概率密度的峰值大概在0.00285处,概率密度的峰值偏大,而且,子载波1的振幅的范围变化较小,振幅在2700-3300dB之间,集中分布在3100dB附近的区间。所以,实际上,大概率可以推测图7的子载波对应的室内环境是无人的情况。
在步骤S330中,电子设备确定概率密度的峰值对应的振幅附近的第一振幅区间的密度和。
可以理解,第一振幅区间包括概率密度的峰值对应的振幅。
由于概率密度的峰值的点数较多,且概率密度最高,对峰值对应的振幅附近的第一振幅区间的密度和进行计算,得到的点数更多,即采用的数据越多,这样的数据更具有代表性,能够得到较为准确的判定结果。
可以理解,相比于概率密度的峰值,密度和能更好地表征子载波的振幅的集中程度。
继续参考图6,若子载波1是图6中的子载波,概率密度的峰值对应的振幅大概为2450dB,将概率密度的峰值对应的振幅左右150dB的范围作为第一振幅区间,即第一振幅区间为[2300,2600],计算第一振幅区间[2300,2600]的密度和,密度和为0.98。
继续参考图7,若子载波1是图7中的子载波,概率密度的峰值对应的振幅大概为3100dB,将概率密度的峰值对应的振幅左右150dB的范围作为第一振幅区间,即第一振幅区间为[2950,3250],计算第一振幅区间[2950,3250]的密度和,密度和为0.65。
在步骤S340中,电子设备根据密度和,确定室内环境是否有人。
在该步骤中,可以将密度和与一个阈值(记为第一阈值)进行比较,以确定室内环境是否有人。
在一些实施例中,若密度和大于第一阈值,意味着子载波1的振幅的变化幅度较小,所以,可以确定室内环境中无人;若密度和小于第一阈值,意味着子载波1的振幅的变化幅度较大,所以,可以确定室内环境中有人。
应理解,对于密度和等于第一阈值的情况,可以认为室内环境中无人,或者,也可以认为室内环境中有人,此处对这种情况的划分不做任何限定。
继续以图6为例,假设,第一阈值为0.8,那么,在步骤S330中得到的密度和为0.65,小于0.8,那么,可以确定室内环境中有人。
继续以图7为例,假设,第一阈值为0.8,那么,在步骤S330中得到的密度和为0.98,大于0.8,那么,可以确定室内环境中无人。
在本申请实施例中,第一阈值可以通过实验测试预先得到。
示例性地,分别针对有人和无人的环境,对各个子载波执行上述步骤S310-S340,得到各个子载波的振幅在概率密度的峰值附近的区间的密度和,根据无人和有人的环境下各个子载波的密度和,划定一个阈值界限,该阈值界限即为第一阈值,进而,后续通过该第一阈值来确定环境中是否有人。
如表1所示,表1所示的是无人和有人时各个子载波的密度和。sub1、sub2……sub53表示子载波的编号,表1中示出了53个子载波的数据。针对无人和有人的环境,对53个子载波均执行方法300的步骤,得到每个子载波的振幅在概率密度的峰值附近的区间的密度和,可以看出,无人时,各个子载波的密度和均大于0.9,有人时,各个子载波的密度和均小于0.7,因此,可以将0.7和0.9之间的任一个数值作为第一阈值。当然,可以理解,将0.7和0.9之间的中间值(例如,0.8)作为第一阈值会更合适一些。
表1
应理解,上述方法300包括的各个步骤仅为示意性说明,其他基于子载波的特性确定是否有人的方案均在本申请保护范围内。
在其他实施例中,方法300可以不需要步骤S330和步骤S350,在通过步骤S320确定出子载波1的振幅的概率密度后,可以根据概率密度的峰值,确定室内环境是否有人。例如,若概率密度的峰值大于一个阈值(记为第二阈值),意味着子载波1的振幅的范围变化较小,因此,可以确定室内环境无人;若概率密度的峰值小于第二阈值,意味着子载波1的振幅的范围变化较大,因此,可以确定室内环境无人。
将上述方案应用于安防领域时,可以通过上述人员检测的方法检测室内环境是否有人,若在应该无人的环境中检测到了有人的情况,可以初步判定室内环境中有人员入侵,示例性地,电子设备可以发出报警信号,以使得相关人员(例如,家里的主人)确知家里有人员入侵,以进而及时采取相关措施。
本申请实施例提供的人员检测的方法,电子设备获取某个时段(例如,时段1)内某个子载波(例如,子载波1)的振幅,得到该子载波的振幅的概率密度,进而,根据该子载波的振幅的概率密度的峰值附近的区间的密度和,确定室内环境是否有人,从而能够为相关人员(例如,家里的主人)提供及时有效的安防信息。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全,此外,整个处理过程的功耗消耗少。而且,由于仅需要根据一个子载波的振幅的概率密度的密度和就可以确定室内环境是否有人,实现过程相对简单,节省了处理时间。
图8是本申请实施例提供的人员检测的方法400的示意性流程图。与方法300的不同之处在于,在方法400中,电子设备对多个子载波的概率密度进行分析,以确定室内环境是否有人。
在步骤S410中,电子设备获取时段1内P个子载波中每个子载波的振幅,P为大于0的整数。
P个子载波可以是用户传输WIFI信号的部分或全部子载波,本申请实施例不做任何限定。
例如,若电子设备使用一个天线传输WIFI信号,一个天线占用53个子载波,该P个子载波可以是53个子载波,也可以是53个子载波中的部分子载波。
再例如,若电子设备使用S个天线传输WIFI信号,每个天线占用53个子载波,那么,S个天线供占用53*S个子载波,该P个子载波可以是53*S个子载波,也可以是53*S个子载波中的部分子载波。
示例性地,实现中,电子设备可以从CSI中获取时段1内P个子载波中每个子载波的振幅。
在步骤S420中,电子设备确定每个子载波的振幅的概率密度。
关于该步骤的具体描述可以参考步骤S320的相关描述,不再赘述。不过,在该步骤中,得到的是P个子载波中每个子载波的振幅的概率密度。
在步骤S430中,电子设备根据每个子载波的振幅的概率密度的峰值,确定室内环境是否有人。
在该步骤中,示例性地,电子设备可以将P个子载波中每个子载波的振幅的概率密度的峰值与每个子载波对应的阈值进行比较,以确定室内环境是否有人。
由于不同子载波的特性不同,因此,可以为每个子载波设置对应的阈值。每个子载波对应的阈值可以是预设的,该阈值可以作为用于区分是否有人的基准。
在一些实施例中,电子设备将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较,得到第一结果和第二结果,根据第一结果和第二结果,确定室内环境是否有人。第一结果包括第一类子载波的数量,第一类子载波中每个子载波的振幅的概率密度的峰值小于该每个子载波对应的阈值。第二结果包括第二类子载波的数量,第二类子载波中每个子载波的振幅的概率密度的峰值大于该每个子载波对应的阈值。
应理解,第一类子载波是确定出室内环境有人的子载波,第二类子载波是确定出室内环境无人的子载波。
还应理解,上述将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较时,比较的是同一个子载波的特性。例如,将子载波1的振幅的概率密度的峰值与该子载波1对应的阈值进行比较,将子载波2的振幅的概率密度的峰值与该子载波2对应的阈值进行比较。
示例性地,若第一类子载波的数量大于第二类子载波的数量,意味着基于大多数的子载波确定出室内环境有人,基于少数服从多数的原理,最终确定室内环境有人;若第一类子载波的数量小于第二类子载波的数量,意味着基于大多数的子载波确定出室内环境无人,基于少数服从多数的原理,最终确定室内环境无人。
应理解,对于第一类子载波的数量等于第二类子载波的数量的情况,可以认为室内环境中无人,或者,也可以认为室内环境中有人,此处对这种情况的划分不做任何限定。
例如,以P=53*4=212为例,其中,4为天线的数量,53为一个天线占用的子载波的数量。假设,第一结果包括的第一类子载波的数量为115,第二结果包括的第二类子载波的数量为97,由于115大于97,因此,可以确定室内环境有人。
再例如,继续以P=53*4=212为例,假设,第一结果包括的第一类子载波的数量为98,第二结果包括的第二类子载波的数量为114,由于98小于114,因此,可以确定室内环境无人。
在本申请实施例中,每个子载波对应的阈值是预定义的,可以根据不同方式预先确定好。
在一示例中,每个子载波对应的阈值可以是无人时该每个子载波的振幅的概率密度的峰值。
在该示例中,在执行方法400之前,对无人时的环境做数据分析,提前获取到每个子载波的子载波密度的峰值。
在其他示例中,每个子载波对应的阈值可以是一个中间值,该中间值是无人时每个子载波的振幅的概率密度的峰值和有人时该每个子载波的振幅的概率密度的峰值之间的一个数值。
在该示例中,在执行方法400之前,对无人时的环境做数据分析,提前获取到每个子载波的子载波密度的峰值,以及,对有人时的环境做数据分析,提前获取到每个子载波的子载波密度的峰值。
本申请实施例提供的人员检测的方法,电子设备获取某个时段(例如,时段1)内多个子载波中每个子载波的振幅,得到每个子载波的子振幅的概率密度,进而,根据每个子载波的振幅的概率密度的峰值,确定室内环境是否有人,从而能够为相关人员(例如,家里的主人)提供及时有效的安防信息。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全,此外,整个处理过程的功耗减少。而且,由于结合了多个子载波的振幅的概率密度来确定室内环境是否有人,多个子载波的特性相比于某个子载波的特性具有普遍性,不容易受到异常情况的影响,提高了方案的健壮性和可靠性。
上述方法400描述了通过某个时段的多个子载波的数据确定室内环境是否有人的过程,为了进一步提高判定结果的准确性,在本申请实施例中,还可以结合多个时段的多个子载波的数据,确定室内环境是否有人。
图9是本申请实施例提供的人员检测的方法500的示例性流程图。与方法400的不同之处在于,在方法500中,电子设备对多个时段中每个时段的多个子载波的数据进行分析,以确定室内环境是否有人。
在步骤S510中,电子设备获取M组子载波中每组子载波中每个子载波的振幅,每组子载波包括P个子载波,M组子载波对应M个时段,M个P均为大于0的整数。
在该步骤中,电子设备采集M个时段的子载波的振幅,每个时段的子载波为一组子载波,从而,得到M组子载波的振幅。
示例性地,电子设备可以周期性采集子载波的振幅,一个时段可以为一个周期,M个时段为M个周期,得到的M组子载波的振幅即为M个周期内每个周期内的子载波的振幅。
应理解,M个时段可以是连续的时段,也可以是非连续的时段,此处不做任何限定。
关于M组子载波中每组子载波中每个子载波的具体描述可参考上文步骤S410的相关描述,不再赘述。
在步骤S520中,电子设备确定每组子载波中每个子载波的振幅的概率密度。
关于该步骤的具体描述可参考步骤S420的具体描述,不再赘述。
在步骤S530中,电子设备根据每组子载波中每个子载波的振幅的概率密度的峰值,得到每组子载波的一个判定结果,以得到M个判定结果,M个判定结果与M组子载波一一对应,M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,第一类判定结果用于表示室内环境有人,第二类判定结果用于表示室内环境无人。
应理解,每组子载波的判定结果用于表示室内环境有人或无人。
在一些实施例中,电子设备可以将每组子载波中每个子载波的振幅的概率密度与该每个子载波对应的阈值进行比较,得到第一结果和第二结果,根据第一结果和第二结果,得到每组子载波的一个判定结果。第一结果包括第一类子载波的数量,第一类子载波中每个子载波的振幅的概率密度的峰值小于该每个子载波对应的阈值。第二结果包括第二类子载波的数量,第二类子载波中每个子载波的振幅的概率密度的峰值大于该每个子载波对应的阈值。
示例性地,以某组子载波为例,第一类子载波的数量大于第二类子载波的数量,意味着基于大多数的子载波确定出室内环境有人,因此,该组子载波的判定结果为室内环境有人;若第一类子载波的数量小于第二类子载波的数量,意味着基于大多数的子载波确定出室内环境无人,因此,该组子载波的判定结果为室内环境无人。
关于确定每组子载波的判定结果的具体描述可参考步骤S430中的相关描述,不再赘述。
在该步骤中,得到每组子载波的判定结果,也就得到了M组子载波对应的M个判定结果。在M个判定结果中,包括第一类判定结果和第二类判定结果中的至少一个,即,M个判断结果包括第一类判定结果或第二类判定结果,或,M个判定结果包括第一类判定结果和第二类判定结果。
在步骤S540中,电子设备根据M个判定结果,确定室内环境是否有人。
若M个判定结果仅包括第一类判定结果,那么,意味着基于M组子载波得到的判定结果均是室内环境有人,因此,最终可以确定室内环境有人。
若M个判定结果仅包括第二类判定结果,那么,意味着基于M组子载波得到的判定结果均是室内环境无人,因此,最终可以确定室内环境无人。
若M个判定结果包括第一类判定结果和第二类判定结果,且,第一类判定结果的数量大于第二类判定结果的数量,则最终确定室内环境有人。
若M个判定结果包括第一类判定结果和第二类判定结果,且,第一类判定结果的数量小于第二类判定结果的数量,则最终确定室内环境无人。
应理解,对于第一类判定结果的数量等于第二类判定结果的数量的情况,可以认为室内环境中无人,或者,也可以认为室内环境中有人,此处对这种情况的划分不做任何限定。
表2所示的是基于多组子载波得到的多个判定结果。如表2所示,采集了7组子载波的数据,每组子载波的数量P=53*4=212,基于每组子载波得到第一结果和第二结果,基于第一结果和第二结果得到对应的判定结果。例如,在组1的212个子载波中,第一结果中包括115个第一类子载波的数量,第一类子载波是确定出室内环境有人的子载波,第二结果中包括97个第二类子载波的数量,第二类子载波是确定出室内环境无人的子载波,基于第一结果和第二结果得到的判定结果是第一类判定结果。在表2的7组子载波的数据中,可以看到,第一类判定结果的数量为5,第二类判定结果的数量为2,第一类判定结果的数量大于第二类判定结果的数量,因此,最终可以确定出室内环境有人。
表2
本申请实施例提供的人员检测的方法,电子设备获取M组子载波中每组子载波中每个子载波的振幅,得到每组子载波中每个子载波的子振幅的概率密度,进而,根据每组子载波中每个子载波的振幅的概率密度的峰值,得到每组子载波的一个判定结果,以得到M个判定结果,最终,根据M个判定结果确定室内环境是否有人,从而能够为相关人员(例如,家里的主人)提供及时有效的安防信息。由于利用了广泛存在于室内环境的无线信号,不需要额外安装其他设备,所以,降低了成本,且相比于摄像头减少了隐私的泄露,提高了隐私安全,此外,整个处理过程的功耗减少。而且,由于结合了多个(例如,M个)时段对应的多组子载波的振幅的概率密度来确定室内环境是否有人,采集的数据更多,且不同时段的多组子载波的特性相比于某个子载波或者某个时段的子载波的特性更具有普遍性,能更好地减少异常情况对判定结果的影响,很好地提高了方案的健壮性和可靠性。
图10是本申请实施例提供的人员检测的方法600的示例性流程图。
在步骤S610中,电子设备获取用户传输WIFI信号的N个子载波中每个子载波的振幅,N为大于0的整数。
示例性地,电子设备可以从CSI中获取N个子载波中每个子载波的振幅。
N个子载波可以包括一个或多个子载波,该N个子载波的振幅可以是同一时段的子载波的振幅,也可以是不同时段的子载波的振幅,本申请实施例不做任何限定。
在情况1中,N=1,N个子载波为第一子载波。
在情况2中,N大于1,N个子载波的振幅为同一时段内的子载波的振幅。
在情况3中,N大于1,N个子载波包括M组子载波,该M组子载波的振幅为M个时段的子载波的振幅。
在步骤S620中,电子设备确定每个子载波的振幅的概率密度。
在情况1中,电子设备确定第一子载波的振幅的概率密度。
在情况2中,电子设备确定N个子载波中每个子载波的振幅的概率密度。
在情况3中,电子设备确定M组子载波中每组子载波中每个子载波的振幅的概率密度。
关于确定一个子载波的振幅的概率密度的具体描述可参考上文S320的相关描述,不再赘述。
在步骤S630中,电子设备根据每个子载波的振幅的概率密度,确定室内环境是否有人。
将上述方案应用于安防领域时,可以通过上述人员检测的方法检测室内环境是否有人,若在应该无人的环境中检测到了有人的情况,可以初步判定室内环境中有人员入侵,示例性地,电子设备可以发出报警信号,以使得相关人员(例如,家里的主人)确知家里有人员入侵,以进而及时采取相关措施。
以下,结合上述3种情况,对该步骤做具体描述。
情况1、N=1,N个子载波为第一子载波。
在步骤S630中,在一些实施例中,电子设备根据第一子载波的振幅的概率密度的峰值,确定第一振幅区间的密度和,该第一振幅区间包括该概率密度的峰值对应的振幅;电子设备根据该密度和,确定该室内环境中是否有人。
示例性地,电子设备根据该密度和,确定该室内环境中是否有人,包括:
若该密度和大于第一阈值,则电子设备确定该室内环境无人;
若该密度和小于该第一阈值,则电子确定该室内环境有人。
可以理解,若密度和大于第一阈值,意味着第一子载波的振幅的变化幅度较小,所以,可以确定室内环境中无人;若密度和小于第一阈值,意味着第一子载波的振幅的变化幅度较大,所以,可以确定室内环境中有人。
应理解,对于密度和等于第一阈值的情况,可以认为室内环境中无人,或者,也可以认为室内环境中有人,此处对这种情况的划分不做任何限定。
在本申请实施例中,第一阈值可以通过实验测试预先得到。关于该过程的具体描述可参考上文步骤S340的相关描述,不再赘述。
在本申请实施例中,由于概率密度的峰值的点数较多,且峰值的概率密度最高,对峰值对应的振幅附近的第一振幅区间的密度和进行计算,得到的点数更多,即采用的数据越多,这样的数据更具有代表性,相比于概率密度的峰值,密度和能够更好地表征子载波的振幅的集中程度,基于密度和确定室内环境是否有人,能够得到较为准确的判定结果。从外,由于仅需要根据一个子载波的振幅的概率密度的密度和就可以确定室内环境是否有人,不需要采集很多数据,实现过程相对简单,节省了处理时间。
应理解,概率密度的峰值对应的振幅可以是第一振幅区间中的任意位置的数值,此处不做任何限定。
示例性地,概率密度的峰值对应的振幅为第一振幅区间的中间值。这样,将概率密度的峰值对应的振幅作为第一振幅区间的中间值,可以相对均匀地得到峰值两侧的第一振幅区间的密度和,提高数据的稳定性。
在其他实施例中,电子设备可以根据概率密度的峰值,确定室内环境是否有人。示例性地,若概率密度的峰值大于第二阈值,意味着第一子载波的振幅的范围变化较小,因此,可以确定室内环境无人;若概率密度的峰值小于第二阈值,意味着第一子载波的振幅的范围变化较大,因此,可以确定室内环境无人。
情况2、N大于1, N个子载波的振幅为同一时段内的子载波的振幅
在步骤S630中,在一些实施例中,电子设备根据每个子载波的振幅的概率密度的峰值,确定室内环境是否有人。
在本申请实施例中,通过同一时段内多个子载波的振幅的概率密度的峰值确定室内环境中是否有人,多个子载波的特性相比于某个子载波的特性具有普遍性,不容易受到异常情况的影响,提高了方案的健壮性和可靠性。
在一些实施例中,电子设备根据该每个子载波的振幅的概率密度的峰值,确定该室内环境是否有人,包括:
电子设备根据该每个子载波的振幅的概率密度的峰值和该每个子载波对应的阈值,得到第一结果和第二结果,该第一结果包括第一类子载波的数量,该第二结果包括第二类子载波的数量,该第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,该第二类子载波中每个子载波的振幅的概率密度的峰值大于对应的阈值;
电子设备根据该第一结果和该第二结果,确定该室内环境是否有人。
在本申请实施例中,由于不同子载波的特性不同,因此,可以为每个子载波设置对应的阈值,将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较,以最终确定室内环境有人,能够提高判断结果的准确性。
在一示例中,电子设备根据该第一结果和该第二结果,确定该室内环境是否有人,包括:
若该第一类子载波的数量大于该第二类子载波的数量,则电子设备确定该室内环境有人;
若该第一类子载波的数量小于该第二类子载波的数量,则电子设备确定该室内环境无人。
在本申请实施例中,通过第一类子载波的数量与第二类子载波的数量的多少,确定室内环境是否有人,实现过程简单且易于实现。
在其他示例中,可以设置第三阈值,若第一类子载波的数量与N之间的比值大于该第三阈值,则确定室内环境中有人。若第一类子载波的数量与N之间的比值小于或等于该第三阈值,则确定室内环境无人。其中,第三阈值大于0.5,例如,第三阈值可以为0.55、0.6、0.65等。
本申请实施例对每个子载波对应的阈值不做任何限定。
在一示例中,每个子载波对应的阈值可以是无人时该每个子载波的振幅的概率密度的峰值。这样,将无人时每个子载波的子载波密度的峰值作为用于区分是否有人的基准,判断的基准相对精确,进而提高了判断结果的精确度。
其他示例中,每个子载波对应的阈值可以是一个中间值,该中间值是无人时每个子载波的振幅的概率密度的峰值和有人时该每个子载波的振幅的概率密度的峰值之间的一个数值。
关于情况2的实施例的具体描述可参考上文方法400中步骤S430的相关描述,不再赘述。需要说明的是,方法400中所示的是P个子载波,这里示出的是N个子载波,将S430中的P替换为N即可。
情况3、N大于1, N个子载波包括M组子载波,M组子载波的振幅为M个时段的子载波的振幅
在情况3中,N个子载波包括M组子载波, M组子载波的振幅对应M个时段,每组子载波的振幅是对应的时段内的子载波的振幅,每组子载波包括P个子载波,M和P均为大于0且小于N的整数。
在步骤S630中,在一些实施例中,在[1,M]的范围内对i遍历取值,电子设备根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定室内环境中是否有人。
在本申请实施例中,由于结合了多个(例如,M个)时段对应的多组子载波的振幅的概率密度的峰值来确定室内环境是否有人,采集的数据更多,且多个时段的多组子载波的特性相比于某个子载波或者某个时段的子载波的特性更具有普遍性,能更好地减少异常情况对判定结果的影响,很好地提高了方案的健壮性和可靠性。
在一些实施例中,在[1,M]的范围内对i遍历取值,电子设备根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定室内环境中是否有人,包括:
电子设备根据该第i组子载波中每个子载波的振幅的概率密度的峰值,确定该第i组子载波的判定结果,以确定该M组子载波对应的M个判定结果,该M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,该第一类判定结果用于表示该室内环境有人,该第二类判定结果用于表示所述室内环境无人;电子设备根据该M个判定结果,确定该室内环境是否有人。
应理解,第i组子载波的判定结果用于表示室内环境有人或无人。
在该步骤中,在[1,M]的范围内对i遍历取值,得到第i组子载波的判定结果,也就得到了M组子载波对应的M个判定结果。在M个判定结果中,包括第一类判定结果和第二类判定结果中的至少一个,表示的是,M个判断结果包括第一类判定结果或第二类判定结果,或,M个判定结果包括第一类判定结果和第二类判定结果。
在本申请实施例中,对于M组子载波的数据,不同时段内不同组子载波之间的判定结果不一定完全一致,因此,在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以得到包括第一类判定结果和第二类判定结果中至少一个的M个判定结果,从而,根据M个判定结果来确定室内环境是否有人,考虑了M组子载波的判定结果的不一致性,使得最终得到的判断结果比较精确,且实现过程简单。
在一些实施例中,电子设备根据该M个判定结果,确定该述室内环境是否有人,包括:
若该M个判定结果仅包括该第一类判定结果,则电子设备确定该室内环境有人;
若该M个判定结果仅包括该第二类判定结果,则电子设备确定该室内环境无人;
若该M个判定结果包括该第一类判定结果和该第二类判定结果,且该第一类判定结果的数量大于该第二类判定结果的数量,则电子设备确定该室内环境有人;
若该M个判定结果包括该第一类判定结果和该第二类判定结果,且该第一类判定结果的数量小于该第二类判定结果的数量,则电子设备确定该室内环境无人。
在一些实施例中,电子设备根据该第i组子载波中每个子载波的振幅的概率密度的峰值,确定该第i组子载波的判定结果,包括;
电子设备根据该第i组子载波中每个子载波的振幅的概率密度的峰值和该每个子载波对应的阈值,得到第一结果和第二结果,该第一结果包括第一类子载波的数量,该第二结果包括第二类子载波的数量,该第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,该第二类子载波中每个子载波的振幅的概率密度大于对应的阈值;电子设备根据该第一结果和该第二结果,确定该第i组子载波的判定结果。
在本申请实施例中,由于不同子载波的特性不同,因此,可以为每个子载波设置对应的阈值,将每个子载波的振幅的概率密度的峰值与该每个子载波对应的阈值进行比较,以得到每组子载波的判定结果,能够提高判断结果的准确性。
在一些实施例中,电子设备根据该第一结果和该第二结果,确定该第i组子载波的判定结果,包括:
若该第一类子载波的数量大于该第二类子载波的数量,则电子设备确定该第i组子载波的判定结果为该室内环境有人;
若该第一类子载波的数量小于该第二类子载波的数量,则电子设备确定该第i组子载波的判定结果为该室内环境无人。
在本申请实施例中,通过第一类子载波的数量与第二类子载波的数量的多少,确定室内环境是否有人,实现过程简单且易于实现。
关于情况3的实施例的具体描述可参考上文方法400中步骤S430的相关描述,不再赘述。
应理解,上述各个方法中步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
以上,结合图1至图10,详细说明了本申请实施例提供的人员检测的方法,下面将结合图11和图12,详细描述根据本申请实施例提供的电子设备。
图11是本申请实施例提供的电子设备700的示例性框图。该电子设备700包括处理单元710。
在一种可能的实现方式中,电子设备700用于执行上述方法600中电子设备对应的各个流程和步骤。处理单元710用于执行以下步骤:
获取用于传输无线保真WIFI信号的N个子载波中每个子载波的振幅,N为大于0的整数;
确定所述每个子载波的振幅的概率密度;
根据所述每个子载波的振幅的概率密度,确定室内环境是否有人。
可选地,N=1,所述N个子载波为第一子载波;以及,处理单元710具体用于:
根据所述第一子载波的振幅的概率密度的峰值,确定第一振幅区间的密度和,所述第一振幅区间包括所述概率密度的峰值对应的振幅;
根据所述密度和,确定所述室内环境中是否有人。
可选地,处理单元710具体用于:
若所述密度和大于第一阈值,则确定所述室内环境无人;
若所述密度和小于所述第一阈值,则确定所述室内环境有人。
可选地,所述概率密度的峰值对应的振幅为所述第一振幅区间的中间值。
可选地,N大于1,所述N个子载波的振幅为同一时段内的子载波的振幅;以及,处理单元710具体用于:
根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人。
可选地,处理单元710具体用于:
根据所述每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度的峰值大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述室内环境是否有人。
可选地,处理单元710具体用于:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述室内环境无人。
可选地,所述每个子载波对应的阈值为无人时所述每个子载波的振幅的概率密度的峰值。
可选地,N大于1,所述N个子载波包括M组子载波,所述M组子载波的振幅对应M个时段,每组子载波的振幅是对应的时段内的子载波的振幅,所述每组子载波包括P个子载波,M和P均为大于0且小于N的整数;以及,处理单元710具体用于:
在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人。
可选地,处理单元710具体用于:
在[1,M]的范围内对i遍历取值,根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以确定所述M组子载波对应的M个判定结果,所述M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,所述第一类判定结果用于表示所述室内环境有人,所述第二类判定结果用于表示所述室内环境无人;
根据所述M个判定结果,确定所述室内环境是否有人。
可选地,处理单元710具体用于:
若所述M个判定结果仅包括所述第一类判定结果,则确定所述室内环境有人;
若所述M个判定结果仅包括所述第二类判定结果,则确定所述室内环境无人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量大于所述第二类判定结果的数量,则确定所述室内环境有人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量小于所述第二类判定结果的数量,则确定所述室内环境无人。
可选地,处理单元710具体用于:
根据所述第i组子载波中每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果。
可选地,处理单元710具体用于:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境无人。
应理解,处理单元710可用于执行方法600中电子设备执行的各个步骤,具体描述可参考上文的相关描述,不再赘述。
应理解,这里的电子设备700以功能单元的形式体现。这里的术语“单元”可以指应用特有集成电路(application specific integrated circuit,ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
在本申请的实施例,图11中的终端设备也可以是芯片或者芯片系统,例如:片上系统(system on chip,SoC)。
图11本申请实施例提供的电子设备800的示意性结构图。电子设备800用于执行上述方法实施例中对应的各个步骤和/或流程。
电子设备800包括处理器810、收发器820和存储器830。其中,处理器810、收发器820和存储器830通过内部连接通路互相通信,处理器810可以实现电子设备800中各种可能的实现方式中处理器810的功能。存储器830用于存储指令,处理器810用于执行存储器830存储的指令,或者说,处理器810可以调用这些存储指令实现电子设备800中处理器810的功能。
可选地,该存储器830可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。该处理器810可以用于执行存储器中存储的指令,并且当该处理器810执行存储器中存储的指令时,该处理器810用于执行上述与终端设备对应的方法实施例的各个步骤和/或流程。
在一种可能的实现方式中,电子设备800用于执行上述方法600中电子设备对应的各个流程和步骤。
处理器810用于执行以下步骤:
获取用于传输无线保真WIFI信号的N个子载波中每个子载波的振幅,N为大于0的整数;
确定所述每个子载波的振幅的概率密度;
根据所述每个子载波的振幅的概率密度,确定室内环境是否有人。
可选地,N=1,所述N个子载波为第一子载波;以及,处理器810具体用于:
根据所述第一子载波的振幅的概率密度的峰值,确定第一振幅区间的密度和,所述第一振幅区间包括所述概率密度的峰值对应的振幅;
根据所述密度和,确定所述室内环境中是否有人。
可选地,处理器810具体用于:
若所述密度和大于第一阈值,则确定所述室内环境无人;
若所述密度和小于所述第一阈值,则确定所述室内环境有人。
可选地,所述概率密度的峰值对应的振幅为所述第一振幅区间的中间值。
可选地,N大于1,所述N个子载波的振幅为同一时段内的子载波的振幅;以及,处理器810具体用于:
根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人。
可选地,处理器810具体用于:
根据所述每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度的峰值大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述室内环境是否有人。
可选地,处理器810具体用于:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述室内环境无人。
可选地,所述每个子载波对应的阈值为无人时所述每个子载波的振幅的概率密度的峰值。
可选地,N大于1,所述N个子载波包括M组子载波,所述M组子载波的振幅对应M个时段,每组子载波的振幅是对应的时段内的子载波的振幅,所述每组子载波包括P个子载波,M和P均为大于0且小于N的整数;以及,处理器810具体用于:
在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人。
可选地,处理器810具体用于:
在[1,M]的范围内对i遍历取值,根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以确定所述M组子载波对应的M个判定结果,所述M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,所述第一类判定结果用于表示所述室内环境有人,所述第二类判定结果用于表示所述室内环境无人;
根据所述M个判定结果,确定所述室内环境是否有人。
可选地,处理器810具体用于:
若所述M个判定结果仅包括所述第一类判定结果,则确定所述室内环境有人;
若所述M个判定结果仅包括所述第二类判定结果,则确定所述室内环境无人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量大于所述第二类判定结果的数量,则确定所述室内环境有人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量小于所述第二类判定结果的数量,则确定所述室内环境无人。
可选地,处理器810具体用于:
根据所述第i组子载波中每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果。
可选地,处理器810具体用于:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境无人。
应理解,各个器件执行上述各个方法中相应步骤的具体过程在上述方法实施例中已经详细说明,为了简洁,此处不再赘述。
应理解,在本申请实施例中,上述装置的处理器可以是中央处理单元(centralprocessing unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器执行存储器中的指令,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本申请实施例提供一种计算机程序产品,当所述计算机程序产品在终端设备运行时,使得终端设备执行上述实施例中的技术方案。其实现原理和技术效果与上述方法相关实施例类似,此处不再赘述。
本申请实施例提供一种可读存储介质,所述可读存储介质包含指令,当所述指令在终端设备运行时,使得所述终端设备执行上述实施例的技术方案。其实现原理和技术效果类似,此处不再赘述。
本申请实施例提供一种芯片,所述芯片用于执行指令,当所述芯片运行时,执行上述实施例中的技术方案。其实现原理和技术效果类似,此处不再赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
应理解,说明书通篇中提到的“实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各个实施例未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
还应理解,在本申请中,“当…时”、“若”以及“如果”均指在某种客观情况下UE或者基站会做出相应的处理,并非是限定时间,且也不要求UE或基站实现时一定要有判断的动作,也不意味着存在其它限定。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也表示先后顺序。
本申请中对于使用单数表示的元素旨在用于表示“一个或多个”,而并非表示“一个且仅一个”,除非有特别说明。本申请中,在没有特别说明的情况下,“至少一个”旨在用于表示“一个或者多个”,“多个”旨在用于表示“两个或两个以上”。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A可以是单数或者复数,B可以是单数或者复数。
本文中术语“……中的至少一个”或“……中的至少一种”,表示所列出的各项的全部或任意组合,例如,“A、B和C中的至少一种”,可以表示:单独存在A,单独存在B,单独存在C,同时存在A和B,同时存在B和C,同时存在A、B和C这六种情况,其中A可以是单数或者复数,B可以是单数或者复数,C可以是单数或者复数。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请中各个实施例之间相同或相似的部分可以互相参考。在本申请中各个实施例、以及各实施例中的各个实施方式/实施方法/实现方法中,如果没有特殊说明以及逻辑冲突,不同的实施例之间、以及各实施例中的各个实施方式/实施方法/实现方法之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例、以及各实施例中的各个实施方式/实施方法/实现方法中的技术特征根据其内在的逻辑关系可以组合形成新的实施例、实施方式、实施方法、或实现方法。以上所述的本申请实施方式并不构成对本申请保护范围的限定。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准总之,以上所述仅为本申请技术方案的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (17)
1.一种人员检测的方法,其特征在于,包括:
获取用于传输无线保真WIFI信号的N个子载波中每个子载波的振幅,N为大于0的整数;
确定所述每个子载波的振幅的概率密度;
根据所述每个子载波的振幅的概率密度,确定室内环境是否有人。
2.根据权利要求1所述的方法,其特征在于,N=1,所述N个子载波为第一子载波;以及,所述根据所述每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
根据所述第一子载波的振幅的概率密度的峰值,确定第一振幅区间的密度和,所述第一振幅区间包括所述概率密度的峰值对应的振幅;
根据所述密度和,确定所述室内环境中是否有人。
3.根据权利要求2所述的方法,其特征在于,所述根据所述密度和,确定所述室内环境中是否有人,包括:
若所述密度和大于第一阈值,则确定所述室内环境无人;
若所述密度和小于所述第一阈值,则确定所述室内环境有人。
4.根据权利要求2或3所述的方法,其特征在于,所述概率密度的峰值对应的振幅为所述第一振幅区间的中间值。
5.根据权利要求1所述的方法,其特征在于,N大于1,所述N个子载波的振幅为同一时段内的子载波的振幅;以及,所述根据所述每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人。
6.根据权利要求5所述的方法,其特征在于,所述根据所述每个子载波的振幅的概率密度的峰值,确定所述室内环境是否有人,包括:
根据所述每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度的峰值大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述室内环境是否有人。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一结果和所述第二结果,确定所述室内环境是否有人,包括:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述室内环境无人。
8.根据权利要求6或7所述的方法,其特征在于,所述每个子载波对应的阈值为无人时所述每个子载波的振幅的概率密度的峰值。
9.根据权利要求1所述的方法,其特征在于,N大于1,所述N个子载波包括M组子载波,所述M组子载波的振幅对应M个时段,每组子载波的振幅是对应的时段内的子载波的振幅,所述每组子载波包括P个子载波,M和P均为大于0且小于N的整数;以及,所述根据所述每个子载波的振幅的概率密度,确定室内环境是否有人,包括:
在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人。
10.根据权利要求9所述的方法,其特征在于,所述在[1,M]的范围内对i遍历取值,根据第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述室内环境中是否有人,包括:
在[1,M]的范围内对i遍历取值,根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,以确定所述M组子载波对应的M个判定结果,所述M个判定结果包括第一类判定结果和第二类判定结果中的至少一个,所述第一类判定结果用于表示所述室内环境有人,所述第二类判定结果用于表示所述室内环境无人;
根据所述M个判定结果,确定所述室内环境是否有人。
11.根据权利要求10所述的方法,其特征在于,所述根据所述M个判定结果,确定所述室内环境是否有人,包括:
若所述M个判定结果仅包括所述第一类判定结果,则确定所述室内环境有人;
若所述M个判定结果仅包括所述第二类判定结果,则确定所述室内环境无人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量大于所述第二类判定结果的数量,则确定所述室内环境有人;
若所述M个判定结果包括所述第一类判定结果和所述第二类判定结果,且所述第一类判定结果的数量小于所述第二类判定结果的数量,则确定所述室内环境无人。
12.根据权利要求10或11所述的方法,其特征在于,所述根据所述第i组子载波中每个子载波的振幅的概率密度的峰值,确定所述第i组子载波的判定结果,包括;
根据所述第i组子载波中每个子载波的振幅的概率密度的峰值和所述每个子载波对应的阈值,得到第一结果和第二结果,所述第一结果包括第一类子载波的数量,所述第二结果包括第二类子载波的数量,所述第一类子载波中每个子载波的振幅的概率密度的峰值小于对应的阈值,所述第二类子载波中每个子载波的振幅的概率密度大于对应的阈值;
根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果。
13.根据权利要求12所述的方法,其特征在于,所述根据所述第一结果和所述第二结果,确定所述第i组子载波的判定结果,包括:
若所述第一类子载波的数量大于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境有人;
若所述第一类子载波的数量小于所述第二类子载波的数量,则确定所述第i组子载波的判定结果为所述室内环境无人。
14.一种电子设备,其特征在于,包括:
存储器,用于存储计算机指令;
处理器,用于调用所述存储器中存储的计算机指令,以执行如权利要求1至13中任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令用于实现如权利要求1至13中任一项所述的方法。
16.一种计算机程序产品,其特征在于,包括计算机指令,所述计算机指令用于实现如权利要求1至13中任一项所述的方法。
17.一种芯片,其特征在于,所述芯片包括:
存储器:用于存储指令;
处理器,用于从所述存储器中调用并运行所述指令,使得安装有所述芯片的电子设备执行如权利要求1至13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211535319.5A CN115586581B (zh) | 2022-12-02 | 2022-12-02 | 一种人员检测的方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211535319.5A CN115586581B (zh) | 2022-12-02 | 2022-12-02 | 一种人员检测的方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115586581A true CN115586581A (zh) | 2023-01-10 |
CN115586581B CN115586581B (zh) | 2023-05-12 |
Family
ID=84783299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211535319.5A Active CN115586581B (zh) | 2022-12-02 | 2022-12-02 | 一种人员检测的方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586581B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105785454A (zh) * | 2016-03-04 | 2016-07-20 | 四川星网云联科技有限公司 | 基于信道频域响应的室内运动检测方法 |
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 |
CN108761542A (zh) * | 2018-05-03 | 2018-11-06 | 西北大学 | 一种基于WiFi信号的被动式目标探测方法 |
CN108988968A (zh) * | 2018-07-27 | 2018-12-11 | 河北工程大学 | 人员行为检测方法、装置和终端设备 |
CN109698724A (zh) * | 2017-10-24 | 2019-04-30 | 中国移动通信集团安徽有限公司 | 入侵检测方法、装置、设备及存储介质 |
US20190213857A1 (en) * | 2016-06-08 | 2019-07-11 | Aerial Technologies Inc. | System and methods for smart intrusion detection using wireless signals and artificial intelligence |
CN110012496A (zh) * | 2019-04-25 | 2019-07-12 | 江苏创通电子股份有限公司 | 一种基于WiFi的入侵检测方法及装置 |
CN110013252A (zh) * | 2019-04-18 | 2019-07-16 | 北京邮电大学 | 获取呼吸状态的方法、装置、电子设备及可读存储介质 |
JP2019148428A (ja) * | 2018-02-26 | 2019-09-05 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 人検出装置及び人検出方法 |
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 |
CN112235816A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨工程大学 | 一种基于随机森林的wifi信号csi特征提取方法 |
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 |
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 |
WO2021217217A1 (en) * | 2020-05-01 | 2021-11-04 | Newsouth Innovations Pty Limited | Network traffic classification apparatus and process |
CN114302058A (zh) * | 2021-12-27 | 2022-04-08 | 浙江大华技术股份有限公司 | 提高摄像机唤醒准确度的方法、装置及可读存储介质 |
CN114757227A (zh) * | 2022-06-13 | 2022-07-15 | 海南省电力学校(海南省电力技工学校) | 一种基于信道状态信息的用户存在感知技术 |
CN115299917A (zh) * | 2022-06-10 | 2022-11-08 | 山东师范大学 | 一种基于WiFi信号的微小行为感知方法 |
-
2022
- 2022-12-02 CN CN202211535319.5A patent/CN115586581B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105785454A (zh) * | 2016-03-04 | 2016-07-20 | 四川星网云联科技有限公司 | 基于信道频域响应的室内运动检测方法 |
US20190213857A1 (en) * | 2016-06-08 | 2019-07-11 | Aerial Technologies Inc. | System and methods for smart intrusion detection using wireless signals and artificial intelligence |
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 |
CN109698724A (zh) * | 2017-10-24 | 2019-04-30 | 中国移动通信集团安徽有限公司 | 入侵检测方法、装置、设备及存储介质 |
JP2019148428A (ja) * | 2018-02-26 | 2019-09-05 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 人検出装置及び人検出方法 |
CN108761542A (zh) * | 2018-05-03 | 2018-11-06 | 西北大学 | 一种基于WiFi信号的被动式目标探测方法 |
CN108988968A (zh) * | 2018-07-27 | 2018-12-11 | 河北工程大学 | 人员行为检测方法、装置和终端设备 |
CN110013252A (zh) * | 2019-04-18 | 2019-07-16 | 北京邮电大学 | 获取呼吸状态的方法、装置、电子设备及可读存储介质 |
CN110012496A (zh) * | 2019-04-25 | 2019-07-12 | 江苏创通电子股份有限公司 | 一种基于WiFi的入侵检测方法及装置 |
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 |
WO2021217217A1 (en) * | 2020-05-01 | 2021-11-04 | Newsouth Innovations Pty Limited | Network traffic classification apparatus and process |
CN112235816A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨工程大学 | 一种基于随机森林的wifi信号csi特征提取方法 |
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 |
WO2022148477A1 (zh) * | 2021-01-11 | 2022-07-14 | 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 |
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 |
CN114302058A (zh) * | 2021-12-27 | 2022-04-08 | 浙江大华技术股份有限公司 | 提高摄像机唤醒准确度的方法、装置及可读存储介质 |
CN115299917A (zh) * | 2022-06-10 | 2022-11-08 | 山东师范大学 | 一种基于WiFi信号的微小行为感知方法 |
CN114757227A (zh) * | 2022-06-13 | 2022-07-15 | 海南省电力学校(海南省电力技工学校) | 一种基于信道状态信息的用户存在感知技术 |
Non-Patent Citations (2)
Title |
---|
党小超等: "基于信道状态信息的无源室内人员日常行为检测方法", 《通信学报》 * |
刘文远等: "基于信道状态信息子载波特征差分的人体移动检测方法", 《传感技术学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115586581B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020192781A1 (zh) | 一种上报能力的方法及用户设备 | |
US20220272563A1 (en) | Device control method and system, and related apparatus | |
CN111757451B (zh) | 一种调节蓝牙输出功率的方法和终端设备 | |
CN111615177A (zh) | 一种小区搜索方法及用户设备 | |
WO2022083345A1 (zh) | 一种用于检测视频监控设备的方法和电子设备 | |
WO2021027623A1 (zh) | 一种设备能力发现方法及p2p设备 | |
CN112099741A (zh) | 显示屏位置识别方法、电子设备及计算机可读存储介质 | |
CN115586581B (zh) | 一种人员检测的方法和电子设备 | |
WO2022161036A1 (zh) | 天线选择方法、装置、电子设备及可读存储介质 | |
CN116055988B (zh) | 一种双卡通信的方法和终端设备 | |
CN115065997B (zh) | 小区变更方法及终端设备 | |
WO2021197115A1 (zh) | 天线调谐方法、装置、电子设备和网络侧设备 | |
CN113674258B (zh) | 图像处理方法及相关设备 | |
CN113572586B (zh) | 一种探测参考信号的发送方法、用户设备以及系统 | |
CN113099734B (zh) | 天线切换方法及装置 | |
CN113708858A (zh) | 一种信号处理方法及无线网络接入设备 | |
CN114915359A (zh) | 选择信道的方法、装置、电子设备和可读存储介质 | |
WO2023179432A1 (zh) | 天线切换方法及终端设备 | |
CN116709370B (zh) | 一种滤波系数调整方法、装置及用户设备 | |
CN114466339B (zh) | 蓝牙配对的方法、系统、存储介质及芯片 | |
CN114666444B (zh) | 设备控制方法、装置和电子设备 | |
CN113825146B (zh) | 波束确定方法和装置 | |
CN116017614B (zh) | 一种通信方法及电子设备 | |
WO2024067432A1 (zh) | 一种音频传输方法、系统以及相关装置 | |
CN115208438A (zh) | 一种天线控制方法及电子设备 |
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 |