一種非接觸式的人體睡姿安全檢測方法及系統的制作方法
【專利摘要】本發明公開了一種非接觸式的人體睡姿安全檢測方法及系統，屬于計算機視覺技術領域。方法包括以下步驟：信號采集步驟：在人體周圍產生Wi?Fi信號，采集Wi?Fi信號中的信道狀態信號CSI；信號處理步驟：提取信道狀態信號CSI的周期，將周期輸入給預先訓練的分類器，分類器輸出睡姿類型。本發明還提供了實現上述方法的系統。本發明無需在被測人身上安裝侵入式傳感器，也不會暴露被測人身體隱私，使被測人在測試過程中感到自然、舒適。
【專利說明】
一種非接觸式的人體睡姿安全檢測方法及系統
技術領域
[0001 ]本發明屬于計算機視覺技術領域，更具體地，涉及一種非接觸式的人體睡姿安全 檢測方法及系統。
【背景技術】
[0002] 隨著社會的不斷進步和計算機技術的發展，讓機器具有人的思維方式一直是人工 智能研究者追尋的目標。目前，對人的姿態、動作識別和行為理解逐漸成為計算機視覺領域 的研究熱點。這些研究可以幫助人們理解一些特征，如對方的行為、體態等，通過這些特征 可以反應出目標的態度、情緒等。人體睡姿識別是眾多人的姿態識別和行為理解中的一種， 是計算機視覺研究的重要組成部分。
[0003] 人體睡姿檢測是指利用計算機對人的睡姿信息進行特征提取，按照人的認識和思 維方式加以歸類，進而從睡姿信息中識別出人當前的睡眠姿勢，如仰睡、左側睡、右側睡、俯 睡等。人體睡姿識別的應用領域主要包括:智能人機接口HCD的設計與完善、人工智能、家庭 服務機器人的設計與實現、醫療應用等。
[0004] 傳統的監測人體睡姿的方法大部分需要在人體相關部位，例如手腕、咽喉或者胸 口呼吸部位安裝傳感器，屬于侵入式監測，會對被監測人產生不便。非侵入式的睡眠姿勢監 測則經常采用紅外攝像頭，造成隱私泄漏的隱患。
【發明內容】
[0005] 針對現有技術的以上缺陷或改進需求，本發明提供了一種非接觸式的人體睡姿安 全檢測方法及系統，其目的在于，通過監測人體周圍Wi-Fi信號的信道狀態信息，提取出反 應人體睡姿的周期，進而根據周期從睡姿信息中識別出人當前的睡眠姿勢，該方法無需在 被測人身上安裝侵入式傳感器，也不會暴露被測人身體隱私，由此解決現有人體睡姿檢測 方法使被測人感覺不適或暴露被測人隱私的技術問題。
[0006] 為實現本發明技術目的，本發明提供了一種非接觸式的人體睡姿安全檢測方法， 包括以下步驟：
[0007] 信號采集步驟：在人體周圍產生Wi-Fi信號，采集Wi-Fi信號中的信道狀態信號 CSI ；
[0008] 信號處理步驟:提取信道狀態信號CSI的周期，將周期輸入給預先訓練的分類器， 分類器輸出睡姿類型。
[0009] 進一步地，所述Wi-Fi信號的數量為多個，分布于人體上肢周圍。
[0010]進一步地，所述Wi-Fi信號的數量至少為三個，其中一個位于人體上肢的左側，另 一個位于人體上肢的右側，余下的一個位于人體頭部的周圍。
[0011] 進一步地，所述信道狀態信號CSI包括多個CSI子載波信號，所述信道狀態信號CSI 的周期按照如下方法提取：
[0012] (1)所述信道狀態信號CSI包括多個CSI子載波信號，對多個CSI子載波信號進行去 噪處理；
[0013] (2)提取多個CSI子載波信號的中心頻率ω ;
[0014] (3)依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI子載波信號建立諧 波模型 y(t)=Asin(c〇t+T)，y(t)為CSI子載波信號，t為時間變量;利用最小二乘法估計，得 到相位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧波模型產生的估計信 號與采集到的子載波信號誤差最小，記最小誤差為S;
[0015] (4)計算每個CSI子載波信號的周期p=A/S。
[0016] 進一步地，所述分類器為樸素貝葉斯、支持向量機中的任意一種。
[0017] -種非接觸式的人體睡姿安全檢測系統，包括以下模塊：
[0018] 信號采集單元，用于在人體周圍產生Wi-Fi信號，采集Wi-Fi信號中的信道狀態信 號 CSI;
[0019] 信號處理單元，用于提取信道狀態信號CSI的周期，將周期輸入給預先訓練的分類 器，分類器輸出睡姿類型。
[0020] 進一步地，所述信號采集模塊的數量至少為三個，其中一個位于人體上肢的左側， 另一個位于人體上肢的右側，余下的一個位于人體頭部的周圍。
[0021] 進一步地，所述信號采集單元包括Wi-Fi路由器和接收器，Wi-Fi路由器用于產生 Wi-Fi信號，接收器用于采集Wi-Fi信號中的信道狀態信號CSI。
[0022]進一步地，所述信號處理單元包括周期提取模塊和睡姿識別模塊，特征提取模塊 用于從CSI信號中提取可反應睡姿的周期，睡姿識別模塊用于將提取的周期輸入給預先訓 練的分類器，分類器輸出睡姿類型;所述信道狀態信號CSI包括多個CSI子載波信號；
[0023] 所述周期提取模塊包括以下子模塊：
[0024] 去噪子模塊，用于去除多個CSI子載波信號的噪聲；
[0025] 中心頻率提取子模塊，用于提取多個CSI子載波信號的中心頻率ω ;
[0026] 參數估計子模塊，用于依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI 子載波信號建立諧波模型7(0=48111(〇^+1)， 7(〇為031子載波信號4為時間變量;利用 最小二乘法估計，得到相位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧 波模型產生的估計信號與采集到的子載波信號誤差最小，記最小誤差為S。
[0027] 進一步地，所述分類器為樸素貝葉斯、支持向量機中的任意一種。
[0028]總體而言，通過本發明所構思的以上技術方案與現有技術相比，本發明利用Wi-Fi 的CSI信號特征檢測人體睡姿，相較于現有其他技術可方便自然的測試人體睡姿，無需在被 測人身上安裝侵入式傳感器，也不會暴露被測人身體隱私，使被測人在測試過程中感到自 然、舒適。
【附圖說明】
[0029] 圖1是本發明睡姿安全檢測方法流程圖。
[0030] 圖2是本發明Wi-Fi路由器布置圖。
【具體實施方式】
[0031]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對 本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并 不用于限定本發明。此外，下面所描述的本發明各個實施方式中所涉及到的技術特征只要 彼此之間未構成沖突就可以相互組合。
[0032] 為了便于對本發明的理解，首先對本發明涉及的術語進行解釋：
[0033] CSI(Channel State Information)是指信道狀態信息。在無線通信領域，所謂的 CSI，就是通信鏈路的信道屬性。它描述了信號在每條傳輸路徑上的衰弱因子，即信道增益 矩陣H中每個元素的值，如信號散射、環境衰弱、距離衰減、等信息。
[0034] 圖1是本發明睡姿安全檢測方法流程圖。本發明非接觸式的人體睡姿安全檢測方 法，包括以下步驟：
[0035] (1)信號采集步驟:在人體周圍產生Wi-Fi信號，采集Wi-Fi信號中的信道狀態信號 CSIo
[0036] 在人體的周圍布置多部WiFi路由器和接收器。在不同的睡姿下。不同的路由器一 接收器所收集的CSI信號，對于人體的呼吸所產生的胸部擴張收縮的敏感程度不同，因此 Wi-Fi信號的信道狀態信息可反應人體睡姿或呼吸。
[0037] (2)信號處理步驟:提取信道狀態信號CSI的周期性大小，將周期性大小輸入給預 先訓練的分類器，分類器輸出睡姿類型。
[0038] 選取信道狀態信號CSI的周期性大小作為反應睡姿的特征值的原因在于，不同的 睡姿會對不同的WiFi路由器一接收器所收集的CSI信號產生不同的影響。例如，仰臥姿勢 時，人體的胸部擴張收縮對于分布在人體兩側的一對路由器一接收器影響最大，因此其收 集的CSI信號的周期性大小最高。用不同WiFi路由器一接收器對所接收到的CSI信號的周期 性大小，可以反映出人體的睡姿。
[0039]所述CSI信號包括多個CSI子載波信號。
[0040] 所述周期可采用遞歸圖（recurrence plot，RP)、傅立葉變換等方法中任意一種提 取，作為優選，本發明提供了一種較佳實施方式，該較佳實施方式由于同時考慮了模擬成諧 波信號的信號幅值以及模擬的誤差，因此在抗干擾性方面效果更好。
[0041]本發明周期提取的較佳實施方式具體包括以下步驟：
[0042] (1)去除多個CSI子載波信號的噪聲
[0043] 利用小波濾波器、車比雪夫濾波器等濾波器去除掉CSI信號中所包含的高頻噪聲， 本發明優選小波濾波器。
[0044] (2)對多個CSI子載波信號進行處理，得到多個CSI子載波信號的中心頻率ω。本步 驟可采用傅立葉變換、遞歸圖方法等等。
[0045] (3)依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI子載波信號建立諧 波模型 y(t)=Asin(c〇t+T)，y(t)為CSI子載波信號，t為時間變量;利用最小二乘法估計，得 到相位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧波模型產生的估計信 號與采集到的子載波信號誤差最小，記最小誤差為S。用A/S表示每個CSI子載波信號的周期 性的大小(？61"；[0(1；[(3；^50。
[0046] 對所有的接收終端采集的數據進行上述處理，將這些接收終端所反映的周期性 (?61"；[0(1；[(3；^)寫成向量形式？=|^1，口2 43]。睡姿識別模塊將提取的周期？=|^1，口2 43]輸 入給預先訓練的分類器，分類器輸出睡姿類型，從而識別人體睡姿。
[0047]分類器可采用NaiveBayes(樸素貝葉斯），SVM(支持向量機)等等分類模型。人體 保持某一個姿勢下，重復上述特征提取過程，可以得到多個關于該姿勢的周期性 (Periodicity)向量，然后在不同姿勢下重復上述過程，對每一個姿勢均可得到該姿勢下的 多組周期性(Periodicity)向量，然后用利用這些數據訓練分類模型。在測試階段，在某未 知人體睡姿狀態下，信號采集單元的接收器采集對應的路由器的CSI數據，并用上述方法得 到周期性(Per iodi c i ty)向量。將該向量代入之前的分類模型，就可確定當前的姿勢。
[0048]本發明人體睡姿安全檢測系統包括信號采集單元和信號處理單元。
[0049] 圖1為本發明信號采集單元的布局示意圖。信號采集單元的數量為多個，圍繞被測 人體放置。信號采集單元包括Wi-Fi路由器和接收器。Wi-Fi路由器用于發出Wi-Fi信號，接 收端用于接收Wi-Fi信號中的CSI信號并將CSI信號傳送至數據處理單元。
[0050] 信號采集單元圍繞被測人體的布置基本原則是:路由器需要布置在人體的上肢周 圍，以便提高檢測的靈敏度。另外，由于本系統是通過WiFi信號反射人體的胸部來感受呼 吸，因此需要有WiFi路由器和接收器不僅僅布置在人體的同側，也需要有WiFi路由器和接 收器分別布置在人體的兩側，以便能夠在不同睡姿的情況下檢測到人體的呼吸。
[0051 ]信號采集單元圍繞被測人體的布置數量基本要求是：一般情況下需要有至少3對 路由器(3個WiFi路由器，3個接收器），分別檢測人在某個姿勢下的呼吸。
[0052]信號采集單元圍繞被測人體的最佳布置方式是:一對WiFi路由器和接收器布置在 人體的胸部左側，另外一對WiFi路由器和接收器布置在人體的胸部右側，第三對WiFi路由 器和接收器布置在人體的胸部兩側。圖1給出一個示例，包括三個信號采集單元。其中，第一 信號采集單元1的Wi-Fi路由器Tl和接收器Rl分別放置于人體頭部的兩側附近;第二信號采 集單元2的Wi-Fi路由器T2和接收器R2均位于人體胸部左側，第三信號采集單元3的Wi-Fi路 由器T3和接收器R3均位于人體胸部右側。
[0053]信號處理單元包括周期提取模塊和睡姿識別模塊。周期提取模塊用于從CSI信號 中提取可反應睡姿的周期，睡姿識別模塊用于將提取的周期輸入給預先訓練的分類器，分 類器輸出睡姿類型。
[0054]所述周期提取模塊包括去噪子模塊、中心頻率提取子模塊、參數估計子模塊和周 期計算子模塊，其中：
[0055]去噪子模塊，用于去除多個CSI子載波信號的噪聲；
[0056]中心頻率提取子模塊，用于對多個CSI子載波信號進行處理得到多個CSI子載波信 號的中心頻率ω ;
[0057]參數估計子模塊，用于依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI 子載波信號建立諧波模型7(0=48111(〇^+1)，7(〇為031子載波信號4為時間變量;利用 最小二乘法估計，得到相位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧 波模型產生的估計信號與采集到的子載波信號誤差最小，記最小誤差為S;
[0058]周期計算子模塊，用于計算每個CSI子載波信號的周期p=A/S。
[0059]本領域的技術人員容易理解，以上所述僅為本發明的較佳實施例而已，并不用以 限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含 在本發明的保護范圍之內。
【主權項】
1. 一種非接觸式的人體睡姿安全檢測方法，其特征在于，包括以下步驟： 信號采集步驟:在人體周圍產生Wi-Fi信號，采集Wi-Fi信號中的信道狀態信號CSI; 信號處理步驟:提取信道狀態信號CSI的周期，將周期輸入給預先訓練的分類器，分類 器輸出睡姿類型。2. 根據權利要求1所述的人體睡姿安全檢測方法，其特征在于，所述Wi-Fi信號的數量 為多個，分布于人體上肢周圍。3. 根據權利要求2所述的人體睡姿安全檢測方法，其特征在于，所述Wi-Fi信號的數量 至少為三個，其中一個位于人體上肢的左側，另一個位于人體上肢的右側，余下的一個位于 人體頭部的周圍。4. 根據權利要求1或2或3所述的人體睡姿安全檢測方法，其特征在于，所述信道狀態信 號CSI的周期按照如下方法提取： (1) 所述信道狀態信號CSI包括多個CSI子載波信號，對多個CSI子載波信號進行去噪處 理； (2) 提取多個CSI子載波信號的中心頻率ω ; (3) 依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI子載波信號建立諧波模 型7(〇=48111(〇^+1)， 7(〇為031子載波信號4為時間變量;利用最小二乘法估計，得到相 位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧波模型產生的估計信號與 采集到的子載波信號誤差最小，記最小誤差為S; (4) 計算每個CSI子載波信號的周期p=A/S。5. 根據權利要求1或2或3所述的人體睡姿安全檢測方法，其特征在于，所述分類器為樸 素貝葉斯、支持向量機中的任意一種。6. -種非接觸式的人體睡姿安全檢測系統，其特征在于，包括以下模塊： 信號采集單元，用于在人體周圍產生Wi-Fi信號，采集Wi-Fi信號中的信道狀態信號 CSI； 信號處理單元，用于提取信道狀態信號CSI的周期，將周期輸入給預先訓練的分類器， 分類器輸出睡姿類型。7. 根據權利要求6所述的人體睡姿安全檢測系統，其特征在于，所述信號采集模塊的數 量至少為三個，其中一個位于人體上肢的左側，另一個位于人體上肢的右側，余下的一個位 于人體頭部的周圍。8. 根據權利要求6所述的人體睡姿安全檢測系統，其特征在于，所述信號采集單元包括 Wi-Fi路由器和接收器，Wi-Fi路由器用于產生Wi-Fi信號，接收器用于采集Wi-Fi信號中的 信道狀態信號CSI。9. 根據權利要求6或7或8所述的人體睡姿安全檢測系統，其特征在于，所述信號處理單 元包括周期提取模塊和睡姿識別模塊，特征提取模塊用于從CSI信號中提取可反應睡姿的 周期，睡姿識別模塊用于將提取的周期輸入給預先訓練的分類器，分類器輸出睡姿類型;所 述信道狀態信號CSI包括多個CSI子載波信號； 所述周期提取模塊包括以下子模塊： 去噪子模塊，用于去除多個CSI子載波信號的噪聲； 中心頻率提取子模塊，用于提取多個CSI子載波信號的中心頻率ω ; 參數估計子模塊，用于依據中心頻率ω和采集到的每條CSI子載波信號對每個CSI子載 波信號建立諧波模型7(0=48111(〇^+1)，7(〇為031子載波信號4為時間變量;利用最小 二乘法估計，得到相位τ和幅值A的最佳估計值;將相位τ和幅值A的最佳估計值代入諧波模 型產生的估計信號與采集到的子載波信號誤差最小，記最小誤差為S; 周期計算子模塊，用于計算每個CSI子載波信號的周期p=A/S。10.根據權利要求6或7或8所述的人體睡姿安全檢測系統，其特征在于，所述分類器為 樸素貝葉斯、支持向量機中的任意一種。
【文檔編號】A61B5/113GK105962946SQ201610464250
【公開日】2016年9月28日
【申請日】2016年6月23日
【發明人】劉雪峰, 郭鵬
【申請人】華中科技大學