基于无线信号的动作识别方法、电子设备及计算机程序产品与流程

本公开具体涉及基于无线信号的动作识别方法、电子设备、可读存储介质及计算机程序产品。

背景技术：

1、用户在非开放式空间内活动时，出于安全或其他原因，有时需要对用户的行为进行识别，从而在用户发生事故或做出危险动作时能够及时被发现。例如用户在室内行走时，可能由于自身健康原因或地面环境原因而跌倒，通过识别用户动作等方式能够快速发现这一情况。

2、为了能及时发现跌倒动作，目前常见的做法是通过接触式设备来对用户动作进行识别，比如将可穿戴的摄像头佩戴至脖子、腕部或其他身体部位，通过采集的图像来识别用户是否跌倒，或者通过加速度计来识别用户是否跌倒。但是接触式设备必须随身佩戴，并且需要充电才能使用，对用户依从性较差，使用方式不够便捷，难以与现有居住基础设施融合，在适老化改造等场景中部署技术难度较大。

技术实现思路

1、本公开提供了基于无线信号的动作识别方法、电子设备、可读存储介质及计算机程序产品。

2、根据本公开的一个方面，提供一种基于无线信号的动作识别方法，包括：

3、接收信号发射设备发出的无线信号，通过所述无线信号得到对应于多个子载波的信道状态信息，所述信道状态信息包括所述多个子载波的信道增益幅度；

4、基于所述信道状态信息生成能量特征，所述能量特征用于表示所述多个子载波在多个时间帧的能量强度，所述能量强度的值与所述信道增益幅度的值正相关；

5、通过特征提取模型从所述能量特征中提取特征向量，所述特征向量用于表示空间内的时空扰动情况；

6、如果所述特征向量表示的时空扰动情况与对象做出指定动作时的目标时空扰动情况相匹配，则确定存在正在做出所述指定动作的对象。

7、根据本公开的一些实施方式，在生成所述能量特征之前，所述方法还包括：将所述多个子载波作为整体，对所述信道状态信息进行标准化，具体包括：确定所述多个子载波的信道增益幅度的均值和标准差；以及通过减去所述均值并除以所述标准差，得到标准化后的所述信道状态信息。

8、根据本公开的一些实施方式，在基于所述信道状态信息生成能量特征之前，先执行第一去噪步骤和第二去噪步骤中的一个或多个；所述第一去噪步骤包括：通过确定所述信道增益幅度与已建立的静态基线的差值，得到去除背景噪声的所述信道状态信息，所述静态基线用于表示空间内静态背景环境的信道状态；所述第二去噪步骤包括：通过滑窗差分的方式，确定时间窗中所述信道状态信息与已有的样本信道状态信息的差值，得到去除背景噪声的所述信道状态信息。

9、根据本公开的一些实施方式，所述方法还包括：在满足更新条件的情况下，通过所述信道状态信息更新所述静态基线，所述更新条件包括：连续提取出的指定数量的所述特征向量之间的最大变化量小于变化阈值。

10、根据本公开的一些实施方式，所述信号发射设备具有多个天线，多个天线对应多个所述信道状态信息，所述能量特征通过将时间维度作为一轴、子载波索引作为另一轴，将原始按时间采集的一维信道状态信息序列重构为二维矩阵，并进一步引入多天线对应的空间通道作为第三维度而形成的多维特征。

11、根据本公开的一些实施方式，所述能量特征通过图像的形式被输入至所述特征提取模型中，所述能量强度通过颜色值进行表示。

12、根据本公开的一些实施方式，所述特征提取模型包括卷积神经网络和循环神经网络，所述特征向量中的空间特征通过所述卷积神经网络提取，所述特征向量中的时序特征通过所述循环神经网络提取。

13、根据本公开的一些实施方式，所述指定动作包括人体跌倒的动作。

14、根据本公开的一些实施方式，在确定存在正在做出所述指定动作的对象后，所述方法还包括：将与所述目标时空扰动情况不匹配的在先特征向量和已有的样本特征向量进行比较，识别所述对象的身份信息，所述在先特征向量的生成时刻早于所述特征向量的生成时刻，所述样本特征向量包括至少一个对象的与所述目标时空扰动情况不匹配的特征向量。

15、本公开第二方面提出了一种电子设备，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述任一实施方式所述的动作识别方法。

16、本公开第三方面提出了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述任一实施方式所述的动作识别方法。

17、本公开第四方面提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现上述任一实施方式所述的动作识别方法。

1.一种基于无线信号的动作识别方法，其特征在于，包括：

2.根据权利要求1所述的基于无线信号的动作识别方法，其特征在于，在生成所述能量特征之前，所述方法还包括：将所述多个子载波作为整体，对所述信道状态信息进行标准化，具体包括：确定所述多个子载波的信道增益幅度的均值和标准差；以及通过减去所述均值并除以所述标准差，得到标准化后的所述信道状态信息。

3.根据权利要求2所述的基于无线信号的动作识别方法，其特征在于，在基于所述信道状态信息生成能量特征之前，先执行第一去噪步骤和第二去噪步骤中的一个或多个；

4.根据权利要求3所述的基于无线信号的动作识别方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的基于无线信号的动作识别方法，其特征在于，所述信号发射设备具有多个天线，多个天线对应多个所述信道状态信息，所述能量特征通过将时间维度作为一轴、子载波索引作为另一轴，将原始按时间采集的一维信道状态信息序列重构为二维矩阵，并进一步引入多天线对应的空间通道作为第三维度而形成的多维特征。

6.根据权利要求1或5所述的基于无线信号的动作识别方法，其特征在于，所述能量特征通过图像的形式被输入至所述特征提取模型中，所述能量强度通过颜色值进行表示。

7.根据权利要求1所述的基于无线信号的动作识别方法，其特征在于，所述特征提取模型包括卷积神经网络和循环神经网络，所述特征向量中的空间特征通过所述卷积神经网络提取，所述特征向量中的时序特征通过所述循环神经网络提取。

8.根据权利要求7所述的基于无线信号的动作识别方法，其特征在于，所述指定动作包括人体跌倒的动作，可选地，在确定存在正在做出所述指定动作的对象后，所述方法还包括：将与所述目标时空扰动情况不匹配的在先特征向量和已有的样本特征向量进行比较，识别所述对象的身份信息，所述在先特征向量的生成时刻早于所述特征向量的生成时刻，所述样本特征向量包括至少一个对象的与所述目标时空扰动情况不匹配的特征向量。

9.一种电子设备，其特征在于，包括：

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至8中任一项所述的动作识别方法。