基于振動檢測的智能家居監控方法及系統與流程
2023-10-11 15:01:34
本發明屬於智能家居技術領域，尤其涉及智能家居的室內定位及監控方法。
背景技術：
隨著物聯網的發展和智慧城市的建設，智能家居越來越受到人們的歡迎。人們希望不在家時同樣可以監控到家裡的情況，比如老人小孩是否安全、是否有盜賊入侵、保姆是否有對小孩的不當行為等。目前的監控方法普遍是攝像頭技術。但是，在家裡安裝攝像頭涉及到隱私甚至法律問題，更不可能在臥室和洗手間安裝攝像頭，而洗手間和臥室卻是獨自在家的老人小孩發生意外的高危場所。除了隱私問題，攝像頭連續工作拍攝的視頻需要極大的儲存空間，這就導致視頻存檔的覆蓋，無法獲取保存周期前的視頻源。另外，由於視頻的自我識別分類及報警技術實現難度較大，需要當家裡意外發生後，人工花費大量時間觀看視頻來找尋人們需要的信息。
鑑於以上原因，現在的物聯網技術領域很多科研工作者投身於基於WIFI的人類行為檢測，對WIFI的信號建模或通過機器學習的方法，可以識別人類在走路、跑步、摔倒、坐下、刷牙、做飯等行為，利用WIFI的能量遞減特性或傳播速度可以實現對人的室內定位，獲取人的行走軌跡。WIFI的優勢在於普及性，基本每家每戶都有。但是，WIFI信號存在多徑和非視距問題，當隔了牆時，信號強度會驟減，這大大影響了室內定位的精度和人類行為的識別準確度。另外，基於WIFI的技術要求固定不變的環境，如果移動WIFI設備或改變室內環境（如家具擺放位置），這會導致訓練模型不再有效，也就無法再進行行為識別。其次，利用WIFI對人進行行為識別僅能在一個人時有較高的準確性，當有其他人或者寵物在時，會影響WIFI信號，導致無法進行行為識別。所以，利用WIFI對室內進行監控的技術並未商業化。
技術實現要素：
為了克服上述所指的現有技術中的不足之處，本發明提供一種基于振動檢測的智能家居監控方法，通過採集人的行為引起的結構振動信號並做分析，尤其是腳步聲引起的地面振動信號，解決了上述的現有監控技術缺點，可以對室內人物進行定位、追蹤和行為監控。
本發明是通過以下技術方案實現的:
一種基于振動檢測的智能家居監控方法，包括如下步驟：數據採集模塊採集人的行為活動產生的結構振動信息，通過分析處理該信號來智能監控家裡人的行為活動並對異常做出警報。
作為本發明的進一步改進：分析處理具體為：
S1 分析處理地面腳步聲振動信號，對人進行身份鑑定，對非法入室事件做出警報；
S2 分析處理地面腳步聲振動信號，利用TDOA三點定位得出人的精確位置信息；
S3 分析處理振動信號，對不同的振動類型預先建模或提取特徵分類，識別人的行為活動。
作為本發明的進一步改進：通過識別人類活動產生的振動信號來監控人類的行為活動，分析處理振動信號識別人類行為活動。
作為本發明的進一步改進：結構振動為 人走路產生的地面振動信號。
作為本發明的進一步改進：所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器，所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器依次連接。
作為本發明的進一步改進：地震檢波器獲取腳步聲振動信號的方向角度，利用不同的角度，確定不同的腳步聲振動信號，進而確定人數並做到多人同時定位。
本發明同時提供了一種基于振動檢測的智能家居監控系統，包括數據採集模塊、數據分析模塊以及險情警報模塊，數據採集模塊將採集到的結構振動信息發送至數據分析模塊，數據分析模塊將分析結果發送至險情警報模塊。
作為本發明的進一步改進：所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器，所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器依次連接；所述地震檢波器獲取腳步聲振動信號的方向角度，利用不同的角度，確定不同的腳步聲振動信號，進而確定人數並做到多人同時定位。
作為本發明的進一步改進：所述數據分析模塊進行室內定位、行為檢測和身份鑑定處理。
本發明的有益效果：
1.解決了攝像頭室內監控的隱私問題，不對用戶的生活帶來影響，讓用戶更方便地使用。
2.相比視頻攝像，採集的數據通過ADC轉化成數字文本信息保存，所需儲存空間小，保存周期長。
3.相比視頻攝像，採集的數據經過了處理分析，無需人工花費大量時間觀看視頻，該發明能自動檢測意外發生並發出警報。
4.振動信號是通過相同材質的固體來傳播，相比WIFI等電磁波信號，相同材質的固體（例如地板）不會反射，也不會被牆壁阻擋，不存在非視距和多徑效應，傳播範圍廣、信號穩定性強，所以可以獲取到更精準的原始信號，對後面數據分析時提高室內定位和行為識別的精度有很大幫助。
附圖說明
圖1為本發明中基于振動檢測的智能家居監控系統的結構示意圖。
具體實施方式
下面結合附圖和實施例對本發明作進一步的描述。
一種基于振動檢測的智能家居監控方法，包括如下步驟：數據採集模塊採集人的行為活動產生的結構振動信息，通過分析處理該信號來智能監控家裡人的行為活動並對異常做出警報。
分析處理具體為：
S1 分析處理地面腳步聲振動信號，對人進行身份鑑定，對非法入室事件做出警報；
S2 分析處理地面腳步聲振動信號，利用TDOA三點定位得出人的精確位置信息；
S3 分析處理振動信號，對不同的振動類型預先建模或提取特徵分類，識別人的行為活動。
通過識別人類活動產生的振動信號來監控人類的行為活動，分析處理振動信號識別人類行為活動。
結構振動為 人走路產生的地面振動信號。
所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器，所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器依次連接。
地震檢波器獲取腳步聲振動信號的方向角度，利用不同的角度，確定不同的腳步聲振動信號，進而確定人數並做到多人同時定位
本發明主要採集的信號是居住人在室內行走產生的腳步聲振動信號。為了升級對居住者的行為識別能力，也可以在其他地方安裝地震檢波器來獲取由於人類行為產生的結構振動。
由於人與人的身高體重不同，體態和行走習慣速度等都不一樣，通過對腳步聲振動信號的時頻分析，採用快速傅立葉轉換和小波變換等技術，提取特徵，利用SVM分類器等機器學習技術，可以做到對人的身份識別功能。
本發明同時提供了一種基于振動檢測的智能家居監控系統，包括數據採集模塊、數據分析模塊以及險情警報模塊，數據採集模塊將採集到的結構振動信息發送至數據分析模塊，數據分析模塊將分析結果發送至險情警報模塊。
所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器，所述數據採集模塊包括地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊和微控制器依次連接；所述地震檢波器獲取腳步聲振動信號的方向角度，利用不同的角度，確定不同的腳步聲振動信號，進而確定人數並做到多人同時定位。
所述數據分析模塊進行室內定位、行為檢測和身份鑑定處理。
當用戶離開家裡需要開啟防盜模式時，可以選擇有人進去家裡和在家裡活動時報警。
同樣可以設置更高級的防盜功能，設定合法的腳步聲振動信號，當陌生人進去時才報警。
利用TDOA定位算法，在三個以上的地震檢波器獲取到腳步聲振動信號以後，可以計算出居住者的位置信息。
通過多種方法，可以做到檢測家裡的人數和多人同時室內定位。
通過對不同的振動類型預先建模，或通過機器學習的辦法，可以對不同的振動類型做分類，識別人的行為，比如老人摔倒。
當檢測到有摔倒類型的振動信號時，可以通過給用戶的手機發送警報，讓出門在外的家人及時幫助到家裡摔倒的人。
結合人的位置信息做分類技術，可以識別更多的行為類別，如睡覺、做飯、上廁所等。
當家裡人睡覺的狀態時間連續超過一個時間段，也可以設置成一個意外警報事件發送給遠程用戶。
由於人的大部分室內活動行為都會與家裡的物體發生接觸振動，如地面、灶臺等，通過對更多的振動信號做訓練或建模，可以不斷升級功能，識別越來越多的人類行為。
本發明同時提供了一種基于振動檢測的智能家居監控系統，由三個模塊組成。數據採集模塊、數據處理模塊和險情警報模塊。數據採集模塊可以選擇地震檢波器geophone（但不限於geophone）。地震檢波器是一種高靈敏度的檢測振動的儀器，要比振動傳感器更靈敏。
地震檢波器經過幾十年的技術發展，已經相對成熟且成本很低，可以大面積布置。
數據採集模塊由地震檢波器、前級放大器、濾波器、後級放大器、模數轉換模塊以及微控制器組成。
由於地震檢波器直接採集到的未加工的信號太微弱，需要放大器提高信噪比。對於噪聲，我們需要濾波器來去噪。利用模數轉換器ADC將模擬信號轉換成數位訊號，最後傳送到微控制器準備數據處理分析工作。
數據處理模塊主要分三個功能：室內定位、行為檢測和身份鑑定。
對原始信號，首先用陷波濾波去除電流噪聲，用維納濾波等技術提高信噪比。採用快速傅立葉變化和小波變換等技術處理，再用分段算法切割所需信號。
室內定位：
通過TDOA算法，利用三點定位可以獲取一個人的位置信息，知道居住者在具體的位置。連續檢測可以獲取家裡人的行走軌跡。
微控制器設置較高的採樣頻率，由於固體振動的信號傳播優勢，沒有多徑和非視距問題，可以達到幾釐米的定位精度。
當家裡有不止一個人時，如果不同人的腳步聲振動信號存在交叉重疊的部分，由於多人的腳步聲振動和單人的腳步聲振動信號持續時間等特徵不一樣，通過訓練，利用機器學習的方法分類，可以知道家裡的人數。
採用三部件的地震檢波器組採集信號，可以獲取腳步聲振動信號的方向角度。利用不同的角度，可以確定不同的腳步聲振動信號，從而確定人數甚至做到多人同時定位。
除了上述兩種方法，還有多種信號分離的方法，可以達到多人同時定位的效果。
另外，當家裡人較為分散活動時，距離近的檢波器將獲得更高能量值的信號，通過選擇算法，僅分別選擇3個高能量值的檢波器數據，可以獨立地計算人的位置信息，多人定位可以獲得單人定位的效果。
行為檢測：
首先對一些基本的振動類型做訓練，比如摔倒的振動信號，獲取訓練模型，當採集的振動信號和摔倒樣本匹配時，則認為是摔倒事件。
這裡提供一種分類方法供參考，但還有很多分類方法：利用梅爾倒譜係數(MFCC)作特徵,通過高斯混合模型對每個振動信號的特徵集合中的每個個體建立對應的概率模型,把每個振動信號的個體特徵在特徵空間的分布抽象為該概率模型隨機產生的結果,對GMM參數利用EM算法的估計使得對數似然函數有最大值,通過測試可以得出對數似然值,而其模擬的相似程度則可以用對數似然值的範圍來衡量。通過對數似然值的範圍可以分類各種振動信號。
因為家裡的行為很多會限制在特定地點，比如在廚房在能做飯，在洗手間上廁所。所以，結合位置信息和行走軌跡，可以識別更多的行為活動。
為了升級行為檢測功能，可以不止在地面安裝地震檢波器，還可以在更多人類可能接觸到的地方安裝，可以通過訓練振動信號識別更多人類行為活動。
身份鑑定：
由於許多因素，每個人都有一個獨特的行走模式，比如個人的身體特徵,走路時的重心位置,腳接觸地的方式等。在時域上、頻域上、或者時頻結合，都可以找出每個人產生的特有的腳步聲振動特徵。利用這些特徵，可以做到身份識別。
因為每個人腳步聲的持續時間與腳步聲的間隔時間都不一樣，利用這個點作特徵，再利用KNN分類器來做身份鑑定也是一種可行方案。
險情警報模塊有居住者意外發生警報和盜賊入侵警報。
當居住者發生一些意外危險行為時，例如摔倒，長時間睡覺等行為，發出警報。
當有非法身份在設定時間裡出現在家裡時，發出警報。
警報可以通過簡訊或者手機app等方式向用戶推送警報消息。
以上內容是結合具體實現方式對本發明做的進一步闡述，不應認定本發明的具體實現只局限於以上說明。對於本技術領域的技術人員而言，在不脫離本發明構思的前提下，還可以做出若干簡單推演或替換，均應視為有本發明所提交的權利要求確定的保護範圍之內。