本發(fā)明涉及感應(yīng)探測(cè)領(lǐng)域，尤其涉及一種能夠準(zhǔn)確識(shí)別人體的智能人體感應(yīng)方法。
背景技術(shù)：
現(xiàn)有的基于微波多普勒效應(yīng)的人體感應(yīng)雷達(dá)已經(jīng)大量應(yīng)用到生活中，例如走廊燈。
隨著人們生活水平的提高，智能家居系統(tǒng)在逐漸走進(jìn)人們的生活，其中智能照明，安防等設(shè)施都需要準(zhǔn)確判斷人的存在。
目前市場(chǎng)上的微波多普勒雷達(dá)僅僅對(duì)反射波做了簡(jiǎn)單處理，因此易受干擾，誤判率高，不宜在家庭環(huán)境使用。
技術(shù)實(shí)現(xiàn)要素：
針對(duì)上述現(xiàn)有技術(shù)中的缺點(diǎn)和不足，本發(fā)明的目的在于提供一種借助對(duì)反射信號(hào)能夠智能判斷的微波雷達(dá)實(shí)現(xiàn)的智能人體感應(yīng)方法，提高對(duì)人體運(yùn)動(dòng)的判斷精度，使借助微波雷達(dá)形成的雷達(dá)人體感應(yīng)器能在家庭環(huán)境下使用。
本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
一種智能人體感應(yīng)方法，包括如下步驟：
S1，通過(guò)毫米波生物雷達(dá)連續(xù)采集生命體生命信號(hào)參數(shù)，經(jīng)AD轉(zhuǎn)換后將數(shù)字信號(hào)傳遞至DSP模塊，DSP模塊對(duì)數(shù)字信號(hào)進(jìn)行傅里葉變換，得到數(shù)字信號(hào)的頻域特征曲線；
S2，多次進(jìn)行步驟S1的操作后獲得大量輸入/輸出樣本對(duì)集群，通過(guò)BP算法建立人工神經(jīng)網(wǎng)絡(luò)；
S3，再次進(jìn)行步驟S1的操作，DSP模塊利用人工神經(jīng)網(wǎng)絡(luò)對(duì)新獲得的信號(hào)頻域特征曲線進(jìn)行分析，得出是否有人體運(yùn)動(dòng)的結(jié)果；
S4，DSP模塊將得到的結(jié)果上報(bào)至上位機(jī)。
優(yōu)選地，在步驟S4之后還包括降低人工神經(jīng)網(wǎng)絡(luò)誤差的操作：
S5，多臺(tái)上位機(jī)將其獲得的結(jié)果上傳至云服務(wù)器；
S6，通過(guò)對(duì)云服務(wù)器中匯總得到的結(jié)果進(jìn)行匹配判斷：
S601，所述結(jié)果對(duì)應(yīng)的輸入樣本a和輸入樣本與輸入/輸出樣本對(duì)集群中的一個(gè)輸入/輸出樣本對(duì)匹配，保留該輸入/輸出樣本對(duì)；
S602，所述結(jié)果對(duì)應(yīng)的輸入樣本a與輸入/輸出樣本對(duì)集群中的一個(gè)輸入/輸出樣本對(duì)的輸入樣本匹配而輸出樣本不匹配，進(jìn)入到步驟S7；
S603，所述結(jié)果對(duì)應(yīng)的輸入樣本a與輸入/輸出樣本對(duì)集群中的所有輸入/輸出樣本對(duì)的輸入樣本均不匹配，進(jìn)入到步驟S8；
S7，對(duì)云服務(wù)器中存儲(chǔ)的與步驟S602中的輸入樣本a相同的輸入樣本進(jìn)行統(tǒng)計(jì)分析，獲得輸入樣本a對(duì)應(yīng)的輸出樣本與輸入樣本a對(duì)應(yīng)的輸入/輸出樣本對(duì)集群中的輸入/輸出樣本對(duì)中的輸出樣本匹配率，若匹配率處于60％～85％，則對(duì)人工神經(jīng)網(wǎng)絡(luò)中的各層權(quán)值進(jìn)行調(diào)整，使輸入樣本a及其對(duì)應(yīng)的輸出樣本與輸入/輸出樣本對(duì)集群中的輸入/輸出樣本對(duì)的匹配率大于85％；剔除人工神經(jīng)網(wǎng)絡(luò)中實(shí)際匹配率不高于60％的輸入/輸出樣本對(duì)；
S8，對(duì)云服務(wù)器中存儲(chǔ)的與步驟S603中獲得的輸入樣本a相同的輸入樣本進(jìn)行統(tǒng)計(jì)分析，獲得輸入樣本a對(duì)應(yīng)的輸出樣本的比例，若比例不低于85％，則將輸入樣本a與對(duì)應(yīng)的高于85％比例的輸出樣本作為新的輸入/輸出樣本對(duì)中加入到輸入/輸出樣本對(duì)集群中。
優(yōu)選地，上位機(jī)通過(guò)I2C協(xié)議從云服務(wù)器下載新的輸入/輸出樣本對(duì)集群形成新的人工神經(jīng)網(wǎng)絡(luò)。
與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例至少具有以下優(yōu)點(diǎn)：
采用本發(fā)明智能人體感應(yīng)方法進(jìn)行人體感應(yīng)的雷達(dá)人體感應(yīng)器可以在家庭環(huán)境中使用。廠家通過(guò)用戶應(yīng)用的雷達(dá)人體感應(yīng)系統(tǒng)反饋的結(jié)果對(duì)其搭建的人工神經(jīng)網(wǎng)絡(luò)不斷的進(jìn)行修正和完善，從而維持雷達(dá)人體感應(yīng)系統(tǒng)的高精度性。
具體實(shí)施方式
為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例對(duì)本發(fā)明要求保護(hù)的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。因此，以下對(duì)本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
下面詳細(xì)描述本發(fā)明的實(shí)施例，實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。
結(jié)合實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳述：
本發(fā)明的智能人體感應(yīng)方法，包括如下步驟：
S1，通過(guò)毫米波生物雷達(dá)連續(xù)采集生命體生命信號(hào)參數(shù)，經(jīng)模/數(shù)(A/D)轉(zhuǎn)換后得到數(shù)字信號(hào)，將所述數(shù)字信號(hào)傳遞至數(shù)字信號(hào)處理(DSP)模塊，由DSP模塊對(duì)所述數(shù)字信號(hào)進(jìn)行傅里葉變換，得到數(shù)字信號(hào)的頻域特征曲線；
S2，多次進(jìn)行步驟S1的操作后獲得大量輸入/輸出樣本對(duì)集群，通過(guò)BP算法建立人工神經(jīng)網(wǎng)絡(luò)；
S3，再次進(jìn)行步驟S1的操作，DSP模塊利用人工神經(jīng)網(wǎng)絡(luò)對(duì)新獲得的信號(hào)頻域特征曲線進(jìn)行分析，得出是否有人體運(yùn)動(dòng)的結(jié)果；
S4，DSP模塊將得到的結(jié)果上報(bào)至上位機(jī)。
這里，所述DSP模塊，可以是單片機(jī)、微控制器或其他微處理器。
在步驟S4之后還包括降低人工神經(jīng)網(wǎng)絡(luò)誤差的操作：
S5，多臺(tái)上位機(jī)將其獲得的結(jié)果上傳至云服務(wù)器。
S6，通過(guò)對(duì)云服務(wù)器中匯總得到的結(jié)果進(jìn)行匹配判斷的步驟。所述步驟S6具體包括如下子步驟：
S601，所述結(jié)果對(duì)應(yīng)的輸入樣本a和輸入樣本與輸入/輸出樣本對(duì)集群中的一個(gè)輸入/輸出樣本對(duì)匹配，保留該輸入/輸出樣本對(duì)；
S602，所述結(jié)果對(duì)應(yīng)的輸入樣本a與輸入/輸出樣本對(duì)集群中的一個(gè)輸入/輸出樣本對(duì)的輸入樣本匹配而輸出樣本不匹配，進(jìn)入到步驟S7；或者，
S603，所述結(jié)果對(duì)應(yīng)的輸入樣本a與輸入/輸出樣本對(duì)集群中的所有輸入/輸出樣本對(duì)的輸入樣本均不匹配，進(jìn)入到步驟S8。
S7，對(duì)云服務(wù)器中存儲(chǔ)的與步驟S602中的輸入樣本a相同的輸入樣本進(jìn)行統(tǒng)計(jì)分析，獲得輸入樣本a對(duì)應(yīng)的輸出樣本與輸入樣本a對(duì)應(yīng)的輸入/輸出樣本對(duì)集群中的輸入/輸出樣本對(duì)中的輸出樣本匹配率，若匹配率處于60％～85％，則對(duì)人工神經(jīng)網(wǎng)絡(luò)中的各層權(quán)值進(jìn)行調(diào)整，使輸入樣本a及其對(duì)應(yīng)的輸出樣本與輸入/輸出樣本對(duì)集群中的輸入/輸出樣本對(duì)的匹配率大于85％；剔除人工神經(jīng)網(wǎng)絡(luò)中實(shí)際匹配率不高于60％的輸入/輸出樣本對(duì)；或者，
S8，對(duì)云服務(wù)器中存儲(chǔ)的與步驟S603中獲得的輸入樣本a相同的輸入樣本進(jìn)行統(tǒng)計(jì)分析，獲得輸入樣本a對(duì)應(yīng)的輸出樣本的比例，若比例不低于85％，則將輸入樣本a與對(duì)應(yīng)的高于85％比例的輸出樣本作為新的輸入/輸出樣本對(duì)中加入到輸入/輸出樣本對(duì)集群中。
上位機(jī)通過(guò)I2C協(xié)議從云服務(wù)器下載新的輸入/輸出樣本對(duì)集群形成新的人工神經(jīng)網(wǎng)絡(luò)。用戶可以通過(guò)網(wǎng)絡(luò)從廠家處隨時(shí)獲取其搭建的最新的人工神經(jīng)網(wǎng)絡(luò)，用以保證在家庭中使用的雷達(dá)人體感應(yīng)器。具體地步驟如下：
S1，通過(guò)5.8G微波多普勒雷達(dá)連續(xù)采集人體運(yùn)動(dòng)參數(shù)，經(jīng)模/數(shù)轉(zhuǎn)換后得到數(shù)字信號(hào)，將所述數(shù)字信號(hào)傳遞至數(shù)字信號(hào)處理DSP模塊，由DSP模塊對(duì)所述數(shù)字信號(hào)進(jìn)行傅里葉變換，得到數(shù)字信號(hào)的頻域特征曲線；
S2，在MCU中建立BP人工神經(jīng)網(wǎng)絡(luò)；
S3，再次進(jìn)行步驟S1的操作，通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)新獲得的信號(hào)頻域特征曲線進(jìn)行分析，得出是否有人體運(yùn)動(dòng)的結(jié)果；
S4，對(duì)檢驗(yàn)結(jié)果進(jìn)行校對(duì)；
S5，MCU模塊將得到的結(jié)果及校對(duì)結(jié)果上報(bào)至上位機(jī)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行再訓(xùn)練。
采用本智能人體感應(yīng)方法進(jìn)行人體感應(yīng)的雷達(dá)人體感應(yīng)器可以在家庭環(huán)境中使用。廠家通過(guò)用戶應(yīng)用的雷達(dá)人體感應(yīng)系統(tǒng)反饋的結(jié)果對(duì)其搭建的人工神經(jīng)網(wǎng)絡(luò)不斷的進(jìn)行修正和完善，從而維持雷達(dá)人體感應(yīng)系統(tǒng)的高精度性。
以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。