基于FMCW毫米波雷达的人体运动特征识别与研究.pdfVIP

摘要

如今在人工智能、物联网与5G技术融合发展的背景下，关于人机交互的

研究和应用也越来越多，人机交互也因此成为万物互联中必不可少的一环。由

于人体运动在生活中比较常见且具有非常直观的形式，因此在智能家居、健康

监测、智慧医疗、自动驾驶等领域都开展了一定的应用。相较之前的无线感知

方案，基于毫米波雷达设备的人体运动识别可以全天候工作，不仅不受天气和

光照的影响，而且不需要给人体额外佩戴可穿戴设备。毫米波雷达具有穿透性

好、分辨率高以及带宽高等特点，所以能将其用于区分不同人体运动，不仅能

识别粗粒度下的人体常规性运动而且还能识别细粒度下的人体呼吸和心跳。本

文根据被识别的人体运动以及应用场景，按照由动态到静态、粗粒度到细粒度

的研究顺序开展研究，实现了非接触式、低成本、高精度的人体运动识别。本

文的主要研究内容和贡献如下：

13D

（）提出了一种基于毫米波雷达点云的人体运动特征识别方法

(PoineNet++RecognitionMethodforHumanMovementPNHM)

，，该方法实现了

不同人体运动动作的识别与分类。首先，建立了原始3D点云动态数据提取模

型，并通过对原始点云进行去噪、聚类之后得到单个人体的具体运动所产生3D

点云。然后，将处理之后的点云数据流进行分割成不同数量的点云数据帧，输

入到PNHM方法中进行训练得到最佳的训练效果。最后，根据训练的效果，

将所有的点云数据进行统一处理，在不同的环境下、不同角度下以及不同距离

下进行训练测试并将未知个体的3D点云数据用PNHM方法验证其精确度。

2

（）提出了一种基于毫米波雷达微多普勒的人体运动特征识别方法

(ConvolutionalNeuralNetworkRecognitionMethodforHumanMovement，

CNHM)，该方法能够实现在多种场景下对多种人体运动动作的识别与分类。首

先，将人体运动所产生的回波信号进行采集和预处理，通过傅里叶变换等处理

过程生成了不同的人体运动回波的微多普勒频谱图。然后，由于不同运动所产

生的微多普勒频谱图差异明显，因此用卷积神经网络CNN算法模型训练不同

的微多普勒特征频谱图数据，从而可以识别不同的运动，体现出使用微多普勒

特征识别人体整体运动的有效性。最后，将各种动作迁移到不同的实验环境、

方向、距离、人员等多种场景域中，测试各种场景下的不同运动的识别准确率。

3

（）提出了一种基于毫米波雷达的人体生理运动特征识别方法，实现了

非接触式的远距离下的人体呼吸心跳生理性运动识别。为了验证毫米波雷达感

知系统的可行性和正确性，本文不仅将心电模块检测到的呼吸和心跳数据与雷

达监测到的呼吸和心跳数据进行了对比，而且还对人体呼吸心跳模型进行了仿

真。在不同距离、不同方法下验证本方法的误差和鲁棒性，由此证明了本文提

出的方法在一定距离下能检测出单个目标人体的呼吸和心跳数据。

关键词：3D点云；人体运动特征；微多普勒特征；生命体征；毫米波雷达

Abstract

Nowadays,underthebackgroundoftheintegrateddevelopmentofartificial

intelligence,Internetofthingsand5Gtechnology,therearemoreandmoreresearch

andapplicationsonhuman-computerinteraction,andhuman-computerinteraction

hasbecomeanindispensablepartoftheInternetofeverything.Becausehuman

motioniscommoninlifeandhasaveryintuitiveform,i