买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了一种基于毫米波雷达点云的步态识别方法，包括：1对雷达输出的原始点云进行聚类、追踪获取目标点；2坐标转换；3使用随机采样的方法固定每一帧的目标点云数量；4使用PointNet与双向LSTM获取步态的时间特征向量，使用T‑Net结合PointNet获取步态的空间特征向量；5对全局特征进行距离计算，确认身份类别。本发明采用毫米波雷达采集人行走过程中的步态信息，降低了环境光照、水汽的影响；采用3D点云学习人行走过程中的运动特征，点既有3D空间坐标又有信噪比、速度信息，保证步态特征的丰富性；通过随机采样固定每一帧的点云数量，与RGB图像相比，降低了计算开销；通过计算人在行走过程中的时序特征与空间特征，进一步提高步态识别精度。

主权项：1.一种基于毫米波雷达点云的步态识别方法，其特征在于，包括以下步骤：1对毫米波雷达在目标行走过程中输出的原始点云分两步进行处理；第一步，以椭圆形建模目标，使用DBSCAN算法进行聚类，去除背景噪点以及多径反射的镜像点，得到目标的初步检测结果；第二步，使用扩展卡尔曼滤波器，将当前帧目标的初步检测结果与前一帧目标的修正结果进行关联，输出当前帧目标的修正结果P，其中P是包含一组点的列表，即目标点云；2根据毫米波雷达在真实空间中的位置，对目标点云P在以毫米波雷达为原点的球坐标系下的三维坐标进行转换，获得以毫米波雷达在真实空间水平面上的投影为原点的直角坐标系下的三维坐标；3使用随机采样的方法处理连续M帧的目标点云Pi|i∈{1,2,…,M}，所述i为帧数的索引序号，固定每一帧的目标点云Pi|i∈{1,2,…,M}都包含N个点；4连续M帧的目标点云Pi|i∈{1,2,…,M}并行输入PointNet神经网络中，得到M个特征向量Feati|i∈{1,2,…,M}；前面过程中点的三维坐标单独经过PointNet神经网络的T-Net网络进行变换，获得M个中间张量Tensori|i∈{1,2,…,M}；5Feati|i∈{1,2,…,M}经双向LSTM网络与平均值池化AvgPool后得到步态的时间特征向量Vect；同时，把Tensori|i∈{1,2,…,M}在帧数维度合并为张量TensorM，张量TensorM输入一个不包含T-Net网络的PointNet神经网络中，输出空间特征向量Vecs；时间特征向量Vect与空间特征向量Vecs通过向量合并函数Concat合并为全局特征向量Vecg；6计算与全局特征向量Vecg距离最短的Cj所对应的身份类别索引jopt作为连续M帧目标点云Pi|i∈{1,2,…,M}所属的身份类别，其中，所述Cj为已有身份类别集{C1,C2,…,CK}内身份类别j的全局特征向量，所述K为所述身份类别的总数。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于毫米波雷达点云的步态识别方法