基于毫米波雷達的智能家居報警系統

摘 要：智能攝像頭是家庭智能監控最常用的方案，很多家庭用戶(hù)擔心視頻會(huì )泄露隱私，本文設計一款基于毫米波雷達的智能家居報警系統，該系統精度高、成本低、具有很好的應用價(jià)值。首先用毫米波雷達記錄現場(chǎng)反射數據，用快速傅里葉變換去除干擾生成行人特征，然后用多目標跟蹤算法跟蹤行人，用深度遞歸神經(jīng)網(wǎng)絡(luò )識別行人身份，最后用交叉熵訓練分類(lèi)器，以此判斷是否有陌生人入侵。試驗表明，本系統報警準確率高達99%。

關(guān)鍵詞：毫米波雷達；智能家居；報警系統

1 介紹

智能攝像頭是家庭安防應用最廣泛的產(chǎn)品，但隨著(zhù)人們對隱私要求越來(lái)越高，家庭智能視頻監控正成為家庭安防的一個(gè)痛點(diǎn)，越來(lái)越多的家庭渴望有一款既能滿(mǎn)足家庭安防需求又能保護個(gè)人隱私的產(chǎn)品，于是毫米波雷達智能家居報警系統應運而生。毫米波是一種使用毫米電磁波的特殊雷達技術(shù)，毫米波雷達系統發(fā)射的電磁波信號被其發(fā)射路徑上的障礙物阻擋后發(fā)生反射。毫米波雷達系統通過(guò)捕捉障礙物反射的信號，可以確定障礙物的距離、速度和角度。毫米波雷達報警系統能穿透不同材質(zhì)，因此可以隱藏在家具或者墻體里面，智能攝像頭做不到這點(diǎn)。

本文設計的毫米波雷達智能家居報警系統跟蹤、識別精度高、成本低。首先用毫米波雷達記錄行人位置信息，然后用多目標跟蹤算法跟蹤行人，用深度遞歸神經(jīng)網(wǎng)絡(luò )識別行人身份，最后判斷是否有陌生人入侵，如果是陌生人入侵發(fā)生報警信息給用戶(hù)。

2 毫米波雷達

毫米波雷達就是工作在毫米波波段（millimeter wave）探測的雷達，通常毫米波頻域為（30 ～ 300）GHz，波長(cháng)為（1 ～ 10）mm，波長(cháng)介于微波和厘米波之間。毫米波雷達具有體積小、質(zhì)量輕和空間分辨率高的特點(diǎn)。毫米波雷達不僅能分辨很小的目標而且能同時(shí)識別多個(gè)目標。

毫米波雷達是一種基于調頻連續波 (FMCW) 雷達原理的毫米波雷達。FMCW 雷達連續發(fā)射調頻信號，測量障礙物的距離、角度和速度。FMCW 包括合成器、混頻器，TX 天線(xiàn)和 RX 天線(xiàn)等部分。FMCW 雷達框圖如圖 1。

圖1 FMCW雷達框圖

合成器生成一個(gè)線(xiàn)性調頻脈沖；該線(xiàn)性調頻脈沖由 TX 天線(xiàn)發(fā)射；物體對該線(xiàn)性調頻脈沖的反射生成一個(gè)由 RX 天線(xiàn)捕捉的反射線(xiàn)性調頻脈沖；“混頻器”將 RX 和 TX 信號合并到一起，生成 1 個(gè)中頻（IF）信號。為了檢測不同距離的目標，我們對 IF 信號進(jìn)行快速傅里葉變換，每個(gè)峰值代表 1 個(gè)對應的障礙物（行人）。

2.1 距離快速傅里葉變換

FMCW 雷達使用線(xiàn)性“啁啾”傳輸。啁啾頻率是f_c，帶寬是 B ，持續時(shí)間是 T_c ，雷達前端接收到反射信號時(shí)，通過(guò)混頻器計算發(fā)射端與接收端之間的頻差，混頻器產(chǎn)生中頻信號，從中頻信號計算出目標與雷達之間的距離為：

3 系統設計

毫米波雷達是一種利用毫米波雷達特有特性的跟蹤識別系統。它的工作原理是發(fā)射射頻信號并記錄射頻信號在行人上的反射。通過(guò)分析生成的行人特征，根據圖像序列和時(shí)間推斷出行人的軌跡，并從已知用戶(hù)的數據庫中識別出行人。毫米波雷達智能家居報警系統包括數據采集，特征提取，行人跟蹤和行人識別四部分，具體如下：

1）特征提取。FMCW 雷達發(fā)射毫米波，記錄行人反射數據，對原始數據進(jìn)行距離快速傅里葉變換，再通過(guò)多普勒傅里葉變換提取行人特征。

2）行人追蹤。在行人序列特征和時(shí)間關(guān)系基礎上，使用多目標跟蹤算法追蹤行人。

3）行人識別。用深度遞歸神經(jīng)網(wǎng)絡(luò )從每個(gè)用戶(hù)的順序數據中識別用戶(hù)身份。

3.1 特征提取

生成的行人特征是分散的，信息量不足以檢測不同的行人。此外，雖然靜態(tài)物體可以通過(guò)傅葉變換去除，但剩余的信息不一定都被移動(dòng)的人反映，噪音可能很大，并導致與附近人的點(diǎn)混淆。為了確定場(chǎng)景中的哪些點(diǎn)是由人的反射引起的，毫米波雷達智能家居報警系統使用 DBSCAN 密度聚類(lèi)將點(diǎn)合并到集群中，這是一種密度感知聚類(lèi)方法，根據行人特征在 3D 空間中的成對距離來(lái)分離特征點(diǎn)，主要優(yōu)點(diǎn)是它不需要預先指定集群的數量，因為在我們的方案中，人們在任意時(shí)間走進(jìn)和淡出被監控的場(chǎng)景。

3.2 行人追蹤

為了捕獲連續的單個(gè)行人特征來(lái)跟蹤和識別 1 個(gè)人，需要檢測的有效時(shí)間關(guān)聯(lián)以及傳感器噪聲的校正和預測。我們?yōu)槊恳粠膶ο髾z測創(chuàng )建和維護跟蹤。為來(lái)自第 1 個(gè)傳入幀或無(wú)法與現有軌道關(guān)聯(lián)的每個(gè)對象檢測創(chuàng )建 1 個(gè)新軌道。幀間對象關(guān)聯(lián)基于匈牙利算法。如果在連續幀中未檢測到跟蹤對象，我們將跟蹤標記為非活動(dòng)并將其從連續關(guān)聯(lián)中排除。最后應用卡爾曼濾波器來(lái)預測和糾正軌跡。

3.3 行人識別

在確定了與人體對象對應的特征后，可以使用軌跡特征來(lái)識別他們的身份。具體來(lái)說(shuō)，從軌跡中的每一幀使用 1 個(gè)固定大小的邊界框來(lái)包圍潛在的人體對象的點(diǎn)，并將其體素化以形成一個(gè)占用網(wǎng)格。請注意，占用網(wǎng)格固有地封裝了身體形狀信息。例如，高個(gè)子往往有更高的重心。通過(guò)將順序占用網(wǎng)格饋送到分類(lèi)器，可以根據運動(dòng)特征（即步態(tài)和體形信息）識別軌跡的行人。一個(gè)窗口包含 2 s 的連續占用網(wǎng)格，與前一個(gè)窗口的重疊率為75%。直接從占用網(wǎng)格中提取有用的特征很困難。長(cháng)短期記憶（LSTM）網(wǎng)絡(luò )是一種成熟的循環(huán)神經(jīng)網(wǎng)絡(luò )架構，適用于順序數據分類(lèi)，能夠通過(guò)網(wǎng)絡(luò )訓練自動(dòng)學(xué)習特征。因此，將其用作行人追蹤和識別中的身份分類(lèi)器。首先將數據展平，將每一幀轉換為特征向量。然后將其傳遞到雙向 LSTM 網(wǎng)絡(luò )。最后，使用 softmax 層輸出最終的分類(lèi)結果。

4 結束語(yǔ)

本文設計一款基于毫米波雷達的智能家居報警系統，該系統精度高達 99%，成本低，具有很好的應用價(jià)值和市場(chǎng)前景。

(注：本文轉載自《電子產(chǎn)品世界》雜志2022年11月期)