一种行为识别方法、装置、设备及可读存储介质

技术领域

本申请涉及数据处理技术领域，具体涉及一种行为识别方法、装置、设备及可读存储介质。

背景技术

随着数字化转型，越来越多的工作转为在数字化车间进行，但也导致了器械操作掌握在少数人手里，车间工作人员的工作负荷逐步上升，车间工作的危险性也随之增加。

传统方式一般是通过人工盯梢式的管理，也就是说，通过监督人员对于车间工作人员的行为进行监督，如果监督人员发现车间工作人员的行为是具有安全隐患的行为，一般通过劝服式管理，即，监督人员对于车间工作人员的危险性行为进行劝导，避免车间工作人员在进行此类行为，这就导致对于车间工作人员行为的管理难度大、收效慢。因此，亟需一种行为识别方法，对于车间工作人员的行为进行高效管理。

发明内容

有鉴于此，本申请提供一种行为识别方法和装置，能够实现人员行为的高效管理。

为解决上述问题，本申请提供的技术方案如下：

第一方面，本申请提供了一种行为识别方法，所述方法包括：

获取目标WIFI信号；

根据所述目标WIFI信号，确定信道状态信息；

将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为；

从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息；

根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。

在一种可能实现的方式中，所述行为识别模型采用如下方式训练得到：

获取待训练的目标信道状态数据和行为类型标签；

对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息；

对所述待调制信道状态信息进行多载波调制，获得所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征；

利用所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征以及所述行为类型标签对卷积神经网络进行训练，得到所述行为识别模型。

在一种可能实现的方式中，所述对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息，包括：

采用局部异常点去除方法对所述待训练的信道状态信息进行处理，得到待去噪的信道状态信息；

根据巴特沃斯低通滤波对所述待去噪的信道状态信息进行噪声去除，得到所述待调制信道状态信息。

在一种可能实现的方式中，所述预设WIFI指纹数据库采用如下方式构建：

获取待处理的信道状态信息；

对所述待处理的信道状态信息的噪声进行去除，得到已去噪的信道状态信息；

对所述已去噪的信道状态信息进行降维，获取已降维的信道状态信息；

对所述已降维的信道状态信息的幅度值和相位值进行处理，获取待提取信道状态信息；

采用主成分分析技术对所述待提取信道状态信息的特征值进行提取，获得所述目标人员的位置的特征值，所述位置的特征值用于表示所述位置信息；

利用所述目标人员的位置的特征值和所述目标信道状态信息以及所述位置的特征值与所述待处理的信道状态信息的对应关系构建所述预设WIFI指纹数据库。

在一种可能实现的方式中，所述根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为，包括：

若所述目标人员的行为属于预设行为，并且所述目标人员的位置与所述目标位置之间的距离小于预设距离阈值，则所述目标人员的行为属于危险行为。

第二方面，本申请还提供了一种行为识别装置，所述装置包括：

获取模块，用于获取目标WIFI信号；

第一确定模块，用于根据所述目标WIFI信号，确定目标信道状态信息；

第二确定模块，用于将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为；

查找模块，用于从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息；

判断模块，用于根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。

在一种可能实现的方式中，所述行为识别模型采用如下方式训练得到：

获取待训练的目标信道状态数据和行为类型标签；

对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息；

对所述待调制信道状态信息进行多载波调制，获得所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征；

利用所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征以及所述行为类型标签对卷积神经网络进行训练，得到所述行为识别模型。

在一种可能实现的方式中，所述对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息，包括：

采用局部异常点去除方法对所述待训练的信道状态信息进行处理，得到待去噪的信道状态信息；

根据巴特沃斯低通滤波对所述待去噪的信道状态信息进行噪声去除，得到所述待调制信道状态信息。

在一种可能实现的方式中，所述预设WIFI指纹数据库采用如下方式构建：

获取待处理的信道状态信息；

对所述待处理的信道状态信息的噪声进行去除，得到已去噪的信道状态信息；

对所述已去噪的信道状态信息进行降维，获取已降维的信道状态信息；

对所述已降维的信道状态信息的幅度值和相位值进行处理，获取待提取信道状态信息；

采用主成分分析技术对所述待提取信道状态信息的特征值进行提取，获得所述目标人员的位置的特征值，所述位置的特征值用于表示所述位置信息；

建立所述位置的特征值与所述待处理的信道状态信息的对应关系；

利用所述目标人员的位置的特征值和所述目标信道状态信息以及所述位置的特征值与所述待处理的信道状态信息的对应关系构建预设WIFI指纹数据库。

在一种可能实现的方式中，所述判断模块，具体用于：

若所述目标人员的行为属于预设行为，并且所述目标人员的位置与所述目标位置之间的距离小于预设距离阈值，则所述目标人员的行为属于危险行为。

第三方面本申请提供了一种行为识别设备，包括：处理器和存储器；

所述存储器，用于存储一个或多个程序；

所述处理器，用于当所述一个或多个程序被所述处理器执行时，实现如上述第一方面所述的一种行为识别方法。

第四方面本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储指令，当所述指令在设备上运行时，使得所述设备执行上述第一方面所述的一种行为识别方法。

由此可见，本申请具有如下有益效果：

本申请提供了一种行为识别方法、装置、设备及可读存储介质，首先，获取目标WIFI信号，再根据目标WIFI信号，确定所述目标信道状态信息；再将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为；并从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息；最后，根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。如此可以基于WIF信号进行人员的位置和行为进行识别，进而可以判断目标人员的行为是否属于危险行为，实现人员行为的高效管理。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种行为识别方法的方法流程示意图；

图2为本申请实施例提供的另一种行为识别方法的方法流程示意图；

图3为本申请实施例提供的再一种行为识别方法的方法流程示意图；

图4为本申请实施例提供的一种行为识别装置的装置结构示意图。

具体实施方式

为了便于理解和解释本申请实施例提供的技术方案，下面将先对本申请实施例可能涉及的名词及本申请的背景技术进行说明：

信道状态信息(Chanel State Information，CSI)：在无线通信领域，CSI就是通信链路的信道属性，它描述了信号在每条传输路径上的衰弱因子，即信道增益矩阵H中每个元素的值，如信号散射环境衰弱，距离衰减等信息。CSI可以使通信系统适应当前的信道条件，在多天线系统中为高可靠性高速率的通信提供了保障。

随着数字化转型，越来越多的工作转为在数字化车间进行，但也导致了器械操作掌握在少数人手里，车间工作人员的工作负荷逐步上升，危险性也随之增加。譬如，建筑行业安全事故逐年上升，形式严峻。对于建筑行业的安全监测，传统方式一般是通过人工盯梢式的管理，对于具有安全隐患的行为，一般通过劝服式管理，这就导致管理难度大、收效慢。构建工地智能监控和控制体系，能有效弥补传统方法和技术在监管中的缺陷，实现对人、机、料、法、环的全方位实时监控，变被动“监督”为主动“监控”。本申请主要可以针对建筑场地的门禁处、塔吊抽烟/区域禁火处，基于WIFI信号对非安全性行为进行识别，当员工位于运行中大型设备距离过近且进行危险性行为时，则判定为危险行为，如位于运行中大型设备距离过并且长时间保持同一动作、未佩戴安全帽或者在禁火处吸烟等行为。

为解决此类问题，本申请提供了一种行为识别方法、装置、设备及可读存储介质，首先，获取目标WIFI信号，再根据所述目标WIFI信号，确定目标信道状态信息；再将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为；并从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息；最后，根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。如此可以基于WIF信号进行人员的位置和行为进行识别，进而可以判断目标人员的行为是否属于危险行为，实现人员行为的高效管理。

为了便于理解本申请实施例提供的技术方案，下面结合附图对本申请实施例提供的一种行为识别方法和装置进行说明。

首先，参见图1所述，该图为本申请实施例提供的一种行为识别方法的方法流程示意图，该方法具体包括S101-S106。

S101：获取目标WIFI信号。

本步骤中可以通过网卡收集WIFI信号，还可以安装高增益无线网卡移动信号接入设备外接天线，进行WIFI信号收集，并且WIFI信号中至少包括了数字信号。在此不对获取WIFI信号的具体方式进行限定。例如，在车间的智能设备上安装Intel 5300网卡，同时安装高增益无线网卡移动信号接入设备外接天线，进行WIFI信号收集。

S102：根据所述目标WIFI信号，确定目标信道状态信息。

在获取到WIFI信号后，从收集到的WIFI信号提取出CSI数据，即，从收集到的WIFI信号中提取特有的信道状态信息(Chanel State Information，CSI)。例如，可以通过CSITool从Intel 5300网卡收集到的WIFI信号中获取CSI数据。

需要说明的是，由于人体生物特征影响的射频信号生成的特有的信道状态信息，因此，可以从WIFI信号中获取与人体生物特征相关的信道状态信息。

S103：将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为。

将信道状态信息输入到训练好的行为识别模型中，以使行为识别模型输出目标人员的行为。

具体的行为识别模型采用如下方式训练得到：

获取待训练的信道状态数据和行为类型标签，其中，行为类型标签用于指示行为是否是危险行为或者正常行为(非危险行为)，对待训练的信道状态信息进行数据清洗，获得待调制信道状态信息。具体的，通过局部异常点去除的方法去除CSI数据中的异常点，然后经过巴特沃斯低通滤波去除噪声。

对待调制信道状态信息进行多载波调制，获得待调制信道状态信息的子载波的热度图特征和待调制信道状态信息的子载波的频谱图特征；利用待调制信道状态信息的子载波的热度图特征和待调制信道状态信息的子载波的频谱图特征以及所述行为类型标签对卷积神经网络进行训练，得到行为识别模型。也就是说，基于CSI数据的员工行为识别可以提取多个通道的子载波的热度图和频谱图特征，通过卷积神经网络(CNN)进行模型建立。其中，热度图是由CSI数据中包含的30个子载波，每个子载波在每个时间点的能量值组成，频谱图是由傅里叶变换实现频谱图转换。可以理解的是，卷积神经网络(CNN)通过频谱图和热度图两个通道进行训练，网络结构主要由卷积层、池化层和非线性层组成，主要用于提取特征。经过Flatten层后把结果转换成一维向量，并连接到具有256个隐藏层节点的完全连接层，获得256个特征，最终使用支持向量机(SVN)进行二分类，当识别为蹲下、摔倒、平躺等动作时，识别为危险动作，其他为正常动作。如此可以通过行为识别模型对于人员行为进行分类，提高了人员行为识别的效率。

S104：从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息。

在一种可选的实施例中，可以基于WIFI指纹数据库，确定出人员的位置信息。具体的，WIFI指纹数据库的构建方式如下：

获取待处理的信道状态数据并对待处理的信道状态信息的噪声进行去除，再对已去噪的信道状态信息进行降维，获取已降维的信道状态信息；对已降维的信道状态信息的幅度值和相位值进行处理，获取待提取信道状态信息；采用主成分分析技术对待提取信道状态信息的特征值进行提取，获得目标人员的位置的特征值，其中，位置的特征值可以用于表示所述位置信息，再确定位置的特征值与待处理的信道状态信息的对应关系，进而可以利用目标人员的位置的特征值和信道状态信息位置的特征值与待处理的信道状态信息的对应关系构建预设WIFI指纹数据库。

也就是说，基于CSI的人员定位可以通过WIFI指纹匹配的方式进行人员位置获取，这一流程通常分为两个阶段：离线WIFI指纹数据库构建和在线定位匹配。在离线阶段WIFI指纹数据库构建的过程为，将获取的CSI数据进行去噪并降维，然后再对去噪并降维后的数据进行幅度和相位处理，进而使用PCA方法提取代表位置的特征值，再建立位置的特征值与获取的CSI数据的对应关系，并根据位置的特征值和位置的特征值与获取的CSI数据的对应关系构建指纹数据库；在线定位阶段即基于CSI数据与指纹数据库内信息的对应关系，将人员位置的CSI数据与指纹数据库内信息比对得出人员位置。

S105：根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。

在得出人员位置以及人员的行为之后，将人员行为识别结果与人员所处位置进行整合分析，若人员的行为属于预设的危险性行为中的一种，并且人员的位置与预设位置之间的距离小于预设距离阈值，则该人员的行为属于危险行为。其中，预设位置可以是设备的位置或者危险物品所处的位置等等。

例如：当人员距离运行中的大型设备所处的位置小于2米且存在危险性行为(蹲下、摔倒、攀登等动作)时，判定为人员存在危险性行为。此时再通过SCI数据与预设的身份信息库进行比对，完成人员身份识别，并发出警报消息，警告消息可以通过语音播报发出，再对人员的记录违禁行为进行记录并统计，并可以针对违规行为次数过多的人员进行相应的处罚。

通过S101-S105的相关内容可知，本申请实施例中，可以构建了预设WIFI指纹数据库以及行为识别模型，进而可以从WIFI信号中提取信道状态信息，将信道状态信息分别输入行为识别模型和WIFI指纹数据库中，确定出人员的位置以及行为，再基于位置和行为判断该人员的行为是否是危险行为，并可以对于做出危险性行为的人员进行警告，实现了对于人员行为的高效管理。

需要说明的是，本申请提供的一种行为识别方法和装置，可用于金融领域或其他领域，上述仅为示例，并不对本申请提供的一种行为识别方法和装置的应用领域进行限定。

下面通过一个具体场景对于本申请中的行为识别方法进行介绍：具体参见图2和图3：

本实施例中对于车间人员的行为进行识别，如图2所示，本实施例中的行为识别过程包括步骤A1-A4：

A1：首先进行WIFI信号的收集，具体为：在车间设备上安装Intel 5300网卡，同时安装高增益无线网卡移动信号接入设备外接天线，进行WIFI信号的收集。

A2：对于收集到的WIFI信号进行数据预处理，由于人体生物特征影响的射频信号生成的特有的信道状态信息，因此，可以从WIFI信号中提取出于人体生物相关的信道状态信息。

A3：再采用提取出来的信道状态信息训练多层深度卷积神经网络(DCNN)，建立行为识别模型，具体参见上述步骤S103。

A4：在通过行为识别模型对于人员的行为进行识别，确定是否存在危险性行为，如：蹲下、摔倒、攀登等等行为。

更具体的，需要判断人员行为是否为危险行为，并进行员工身份识别，如此完成对于人员行为的识别，具体行为识别过程如图3中步骤S1-B5所示.

B1：获取车间人员的行为，即，从车间的WIFI信号中提取出于车间工作人员相关的信道状态信息。

B2：将信道状态信息输入预先构建的行为模型中，若行为识别模型的输出结果为该信道状态信息表征员工的行为不是非安全性行为，则不进行操作。若行为识别模型的输出结果为该信道状态信息表征员工的行为是非安全性行为，进入步骤B3。

B3：通过预先构建的WIFI指纹数据库，确定员工距离大型设备的距离是否小于2m，若员工距离大型设备的距离大于2m，则不进行任何操作。若员工距离大型设备的距离大于2m，则进入步骤B4。

B4：根据信道状态信息从预设的身份信息库中，确定出该员工的身份信息，进入步骤B5。

B5：在确定员工身份信息后，可以直接向该车间发出警告，语音播报该员工正在进行非安全性行为，并且记录该员工的违禁行为，如此完成对于车间员工的行为管理，提高了员工行为管理的效率。

与图1所述的方法相对应，本申请实施例还提供了一种行为识别装置，用于对图1中方法的具体实现，本申请实施例提供的行为识别装置可以应用计算机终端或各种移动设备中，其结构示意图如图4所示，该行为识别装置具体包括：

获取模块401，用于获取目标WIFI信号；

第一确定模块402，用于根据所述目标WIFI信号，确定信道状态信息；

第二确定模块403，用于将所述目标信道状态信息输入行为识别模型中，确定所述目标人员的行为；

查找模块404，用于从预设WIFI指纹数据库中查找与所述目标信道状态信息相匹配的所述目标人员的位置信息；

判断模块405，用于根据所述目标人员的行为和所述目标人员的位置信息，判断所述目标人员的行为是否属于危险行为。

在一种可能实现的方式中，所述行为识别模型采用如下方式训练得到：

获取待训练的目标信道状态数据和行为类型标签；

对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息；

对所述待调制信道状态信息进行多载波调制，获得所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征；

利用所述待调制信道状态信息的子载波的热度图特征和所述待调制信道状态信息的子载波的频谱图特征以及所述行为类型标签对卷积神经网络进行训练，得到所述行为识别模型。

在一种可能实现的方式中，所述对所述待训练的信道状态信息进行数据清洗，获得待调制信道状态信息，包括：

采用局部异常点去除方法对所述待训练的信道状态信息进行处理，得到待去噪的信道状态信息；

根据巴特沃斯低通滤波对所述待去噪的信道状态信息进行噪声去除，得到所述待调制信道状态信息。

在一种可能实现的方式中，所述预设WIFI指纹数据库采用如下方式构建：

获取待处理的信道状态信息；

对所述待处理的信道状态信息的噪声进行去除，得到已去噪的信道状态信息；

对所述已去噪的信道状态信息进行降维，获取已降维的信道状态信息；

对所述已降维的信道状态信息的幅度值和相位值进行处理，获取待提取信道状态信息；

采用主成分分析技术对所述待提取信道状态信息的特征值进行提取，获得所述目标人员的位置的特征值，所述位置的特征值用于表示所述位置信息；

建立所述位置的特征值与所述待处理的信道状态信息的对应关系；

利用所述目标人员的位置的特征值和所述目标信道状态信息以及所述位置的特征值与所述待处理的信道状态信息的对应关系构建预设WIFI指纹数据库。

在一种可能实现的方式中，所述判断模块，具体用于：

若所述目标人员的行为属于预设行为，并且所述目标人员的位置与所述目标位置之间的距离小于预设距离阈值，则所述目标人员的行为属于危险行为。

基于上述方法实施例提供的一种行为识别方法，本申请提供了一种行为识别设备，包括：处理器和存储器；

所述存储器，用于存储一个或多个程序；

所述处理器，用于当所述一个或多个程序被所述处理器执行时，实现如上述任一项实施例所述的一种行为识别方法。

基于上述方法实施例提供的一种行为识别方法，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储指令，当所述指令在设备上运行时，使得所述设备执行上述任一项实施例所述的一种行为识别方法。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。