基于毫米波雷達(dá)的智能家居報警系統(tǒng)

摘 要：智能攝像頭是家庭智能監(jiān)控最常用的方案，很多家庭用戶擔(dān)心視頻會泄露隱私，本文設(shè)計一款基于毫米波雷達(dá)的智能家居報警系統(tǒng)，該系統(tǒng)精度高、成本低、具有很好的應(yīng)用價值。首先用毫米波雷達(dá)記錄現(xiàn)場反射數(shù)據(jù)，用快速傅里葉變換去除干擾生成行人特征，然后用多目標(biāo)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(xùn)練分類器，以此判斷是否有陌生人入侵。試驗(yàn)表明，本系統(tǒng)報警準(zhǔn)確率高達(dá)99%。

關(guān)鍵詞：毫米波雷達(dá)；智能家居；報警系統(tǒng)

1 介紹

智能攝像頭是家庭安防應(yīng)用最廣泛的產(chǎn)品，但隨著人們對隱私要求越來越高，家庭智能視頻監(jiān)控正成為家庭安防的一個痛點(diǎn)，越來越多的家庭渴望有一款既能滿足家庭安防需求又能保護(hù)個人隱私的產(chǎn)品，于是毫米波雷達(dá)智能家居報警系統(tǒng)應(yīng)運(yùn)而生。毫米波是一種使用毫米電磁波的特殊雷達(dá)技術(shù)，毫米波雷達(dá)系統(tǒng)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(dá)系統(tǒng)通過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(dá)報警系統(tǒng)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(shè)計的毫米波雷達(dá)智能家居報警系統(tǒng)跟蹤、識別精度高、成本低。首先用毫米波雷達(dá)記錄行人位置信息，然后用多目標(biāo)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。

2 毫米波雷達(dá)

毫米波雷達(dá)就是工作在毫米波波段（millimeter wave）探測的雷達(dá)，通常毫米波頻域?yàn)椋?0 ～ 300）GHz，波長為（1 ～ 10）mm，波長介于微波和厘米波之間。毫米波雷達(dá)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(dá)不僅能分辨很小的目標(biāo)而且能同時識別多個目標(biāo)。

毫米波雷達(dá)是一種基于調(diào)頻連續(xù)波 (FMCW) 雷達(dá)原理的毫米波雷達(dá)。FMCW 雷達(dá)連續(xù)發(fā)射調(diào)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 天線和 RX 天線等部分。FMCW 雷達(dá)框圖如圖 1。

圖1 FMCW雷達(dá)框圖

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

2.1 距離快速傅里葉變換

FMCW 雷達(dá)使用線性“啁啾”傳輸。啁啾頻率是f_c，帶寬是 B ，持續(xù)時間是 T_c ，雷達(dá)前端接收到反射信號時，通過混頻器計算發(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(biāo)與雷達(dá)之間的距離為：

3 系統(tǒng)設(shè)計

毫米波雷達(dá)是一種利用毫米波雷達(dá)特有特性的跟蹤識別系統(tǒng)。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。通過分析生成的行人特征，根據(jù)圖像序列和時間推斷出行人的軌跡，并從已知用戶的數(shù)據(jù)庫中識別出行人。毫米波雷達(dá)智能家居報警系統(tǒng)包括數(shù)據(jù)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(dá)發(fā)射毫米波，記錄行人反射數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行距離快速傅里葉變換，再通過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間關(guān)系基礎(chǔ)上，使用多目標(biāo)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)從每個用戶的順序數(shù)據(jù)中識別用戶身份。

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)物體可以通過傅葉變換去除，但剩余的信息不一定都被移動的人反映，噪音可能很大，并導(dǎo)致與附近人的點(diǎn)混淆。為了確定場景中的哪些點(diǎn)是由人的反射引起的，毫米波雷達(dá)智能家居報警系統(tǒng)使用 DBSCAN 密度聚類將點(diǎn)合并到集群中，這是一種密度感知聚類方法，根據(jù)行人特征在 3D 空間中的成對距離來分離特征點(diǎn)，主要優(yōu)點(diǎn)是它不需要預(yù)先指定集群的數(shù)量，因?yàn)樵谖覀兊姆桨钢校藗冊谌我鈺r間走進(jìn)和淡出被監(jiān)控的場景。

3.2 行人追蹤

為了捕獲連續(xù)的單個行人特征來跟蹤和識別 1 個人，需要檢測的有效時間關(guān)聯(lián)以及傳感器噪聲的校正和預(yù)測。我們?yōu)槊恳粠膶ο髾z測創(chuàng)建和維護(hù)跟蹤。為來自第 1 個傳入幀或無法與現(xiàn)有軌道關(guān)聯(lián)的每個對象檢測創(chuàng)建 1 個新軌道。幀間對象關(guān)聯(lián)基于匈牙利算法。如果在連續(xù)幀中未檢測到跟蹤對象，我們將跟蹤標(biāo)記為非活動并將其從連續(xù)關(guān)聯(lián)中排除。最后應(yīng)用卡爾曼濾波器來預(yù)測和糾正軌跡。

3.3 行人識別

在確定了與人體對象對應(yīng)的特征后，可以使用軌跡特征來識別他們的身份。具體來說，從軌跡中的每一幀使用 1 個固定大小的邊界框來包圍潛在的人體對象的點(diǎn)，并將其體素化以形成一個占用網(wǎng)格。請注意，占用網(wǎng)格固有地封裝了身體形狀信息。例如，高個子往往有更高的重心。通過將順序占用網(wǎng)格饋送到分類器，可以根據(jù)運(yùn)動特征（即步態(tài)和體形信息）識別軌跡的行人。一個窗口包含 2 s 的連續(xù)占用網(wǎng)格，與前一個窗口的重疊率為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(gòu)，適用于順序數(shù)據(jù)分類，能夠通過網(wǎng)絡(luò)訓(xùn)練自動學(xué)習(xí)特征。因此，將其用作行人追蹤和識別中的身份分類器。首先將數(shù)據(jù)展平，將每一幀轉(zhuǎn)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 層輸出最終的分類結(jié)果。

4 結(jié)束語

本文設(shè)計一款基于毫米波雷達(dá)的智能家居報警系統(tǒng)，該系統(tǒng)精度高達(dá) 99%，成本低，具有很好的應(yīng)用價值和市場前景。

(注：本文轉(zhuǎn)載自《電子產(chǎn)品世界》雜志2022年11月期)