生物体识别方法、终端设备以及无线充电系统

1.本技术属于生物体检测的技术领域，尤其涉及一种生物体识别方法、终端设备以及无线充电系统。


背景技术：

2.随着人工智能技术的发展，越来越多的产品和技术具有对生物体和非生物体进行识别的需求。示例性的，无线充电系统工作时，可能会有生物体靠近充电区域。当生物体进入到大功率无线充电系统的强电磁场区域时，可能会因电磁场超出曝露限值而产生电磁风险。因此，准确探测无线充电区域内是否存在生物体，对保护充电区域内的生物体安全以及无线充电系统的普及应用有着极为重要的意义。
3.目前，无线充电系统对生物体检测的方法有基于电容检测方法、热检测方法以及运动检测方法这三大类，这些方法具有技术成本较低、检测可靠性强的特点。其中，电容检测方法和热检测方法只能检测已经进入线圈的活体，而运动检测方法可以克服这些限制且成本较低。运动检测方法是一种通过检测物体是否运动来实现生物体检测的方法，例如，利用毫米波雷达对待识别物体是否运动进行检测，若待识别物体运动，则确定待识别物体为生物体。可见，虽然运动检测方法能够对待识别物体是否运动进行检测，但据此将待识别物体认定为生物体的结果显然是不准确的。
4.因此，现有的运动检测方法在识别生物体上存在准确率低的问题。


技术实现要素：

5.本技术实施例提供了一种生物体识别方法、终端设备以及无线充电系统，可以解决现有的运动检测方法在识别生物体上存在准确率低的问题。
6.第一方面，本技术实施例提供了一种生物体识别方法。该生物体识别方法包括：获取移动目标的多组运动信息；其中，所述运动信息包括速度信息，多组运动信息所包含的速度信息包括移动目标不同部位的速度信息；根据多组运动信息所包含的速度信息，确定移动目标是否是生物体。
7.在一种可能的实现方式中，多组运动信息基于采集时序划分为多段运动信息。根据多组运动信息所包含的速度信息，确定移动目标是否是生物体，包括：根据任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息；其中，离散程度信息用于反映任一段运动信息所包含的速度信息或基于任一段运动信息所包含的速度信息确定的多个加速度信息之间的差异程度；根据多个离散程度信息，确定移动目标是否是生物体。
8.在一种可能的实现方式中，根据多个离散程度信息，判断移动目标是否是生物体，包括：将多个离散程度信息输入生物体检测模型，获得多个检测信息；其中，一个检测信息对应一个离散程度信息；检测信息用于指示对应的离散程度信息关联的一段运动信息所包含的速度信息是否包括生物体的信息；其中，生物体检测模型基于训练样本集训练得到，训练样本集包括多个训练样本，训练样本包括离散程度信息训练样本；根据多个检测信息，确
定移动目标是否是生物体。
9.在一种可能的实现方式中，离散程度信息为速度离散程度信息，任一段运动信息对应的离散程度信息包括：任一段运动信息所包含的速度信息的标准差或方差；或者，离散程度信息为加速度离散程度信息，任一段运动信息对应的离散程度信息包括：基于任一段运动信息所包含的速度信息确定的多个加速度信息的标准差或方差。
10.在一种可能的实现方式中，在根据任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息之前，所述方法还包括：对任一段运动信息所包含的速度信息去噪处理，获得去噪后的任一段运动信息所包含的速度信息；根据任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息，包括：根据去噪后的任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息。
11.在一种可能的实现方式中，运动信息所包含的速度信息为移动目标上的一个位置点的速度信息，运动信息还包括位置点的位置信息；任一段运动信息包括q个位置点的运动信息；对任一段运动信息所包含的速度信息去噪处理，包括：确定任一段运动信息所对应的q个位置点中的噪声点；其中，当q个位置点中的第m位置点的聚集点个数小于第一预设阈值时，第m位置点为噪声点；删除任一段运动信息中的噪声点的速度信息；去噪后的任一段运动信息所包含的速度信息为：任一段运动信息所包含的速度信息中，除噪声点对应的运动信息所包含的速度信息之外的其它速度信息。
12.第二方面，本技术实施例提供了一种生物体识别装置。该无线充电系统包括：获取模块，用于获取移动目标的多组运动信息；其中，运动信息包括速度信息，多组运动信息所包含的速度信息包括移动目标不同部位的速度信息。识别模块，用于根据多组运动信息所包含的速度信息，确定移动目标是否是生物体。
13.第三方面，本技术实施例提供了一种无线充电系统。该无线充电系统包括：电磁波雷达检测单元，用于采集移动目标的多组运动信息；其中，所述运动信息包括速度信息，所述多组运动信息所包含的速度信息包括所述移动目标不同部位的速度信息。控制单元，与所述电磁波雷达检测单元连接，用于获取所述移动目标的多组运动信息；根据所述多组运动信息所包含的速度信息，确定所述移动目标是否是生物体。
14.第四方面，本技术实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法。
15.第五方面，本技术实施例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有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
16.本技术实施例与现有技术相比存在的有益效果是：
17.经过发明人研究发现，生物体在运动时，是复杂的踝关节、膝关节转动、腿部以及脚步移动等运动的结合，而非生物体并没有这些复杂的运动结合，因此，区别于非生物体在运动时不同部位的运动速度基本相同的情况，生物体在运动时不同部位的运动速度并不相同，本技术实施例正是利用该区别点对生物体和非生物体进行区分。
18.具体地，本技术实施例通过获取移动目标的多组运动信息，并利用该多组运动信息包含的速度信息对移动目标是否是生物体进行识别，该多组运动信息包含的速度信息包
括移动目标不同部位的速度信息。由于生物体在运动时不同部位的速度信息存在较大区别，而非生物体在运动时不同部位的速度信息基本相同，因此，利用该移动目标不同部位的速度信息，可以实现对生物体与非生物体的区分。相比于现有的运动检测方法，本技术实施例在识别过程中进一步考虑了可以区分生物体和非生物体的特征——移动目标不同部位的速度信息，因此可以进一步提高识别生物体的准确率。
附图说明
19.为了更清楚地说明本技术实施例中的技术方案，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技术的一些实施例，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，还可以根据这些附图获得其他的附图。
20.图1是本技术一实施例提供无线充电系统示意图；
21.图2是本技术实施例提供的生物体识别方法的流程图一；
22.图3是本技术实施例提供的生物体识别方法的流程图二；
23.图4为本技术实施例提供的速度信息的标准差的对照图；
24.图5是本技术实施例提供的生物体识别方法的流程图三；
25.图6是本技术实施例提供的一种svm分类器的训练方法的流程图；
26.图7是本技术实施例提供的一种生物体识别装置的结构示意图；
27.图8是为本技术实施例提供的一种终端设备的结构示意图。
具体实施方式
28.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
29.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
30.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
31.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0032]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0033]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0034]
本技术实施例提供的生物体识别方法可以应用于无线充电系统(尤其涉及具有强电场景的无线充电系统，如电动车的无线充电系统)、车辆等具有生物体识别需求的终端设备上，本技术实施例对终端设备的具体类型不作任何限制。下面以无线充电系统为例，对本技术实施例提供的生物体识别方法进行描述。
[0035]
请参阅图1，图1是本技术实施例提供的一种无线充电系统的架构图。该无线充电系统包括充电发射端以及充电接收端。充电发射端向充电接收端输出无线充电信号，实现对充电接收端充电。以电动车的无线充电系统为例，上述充电发射端即指充电站，上述充电接收端即指电动车。
[0036]
应理解，在充电过程中，上述充电发射端周围存在强电磁场区域。需要说明的是，强电磁场区域是指电磁场超过曝露限值的区域。该强电磁场区域的具体尺寸可以根据充电功率的不同发生变化。对于进入该强电磁场区域的生物体而言，容易发生电磁风险。因此，有必要对进入该强电磁场区域的移动目标进行探测。
[0037]
为了实现对进入该强电磁场区域的生物体的探测功能，上述无线充电系统还包括电磁波雷达检测单元以及控制单元。
[0038]
其中，电磁波雷达检测单元可以用于采集进入强电磁场区域的移动目标的各类运动信息，例如速度信息、方位信息、间距信息。控制单元用于根据电磁波雷达检测单元采集的运动信息确定移动目标是否是生物体。当移动目标是生物体时，充电发射端可以停止向充电接收端充电或降低充电功率，和/或，充电发射端或充电接收端还可以通过报警的方式警示生物体。
[0039]
作为一个示例，上述电磁波雷达检测单元和控制单元可以是集成在充电发射端内部的模块。
[0040]
作为另一个示例，上述电磁波雷达检测单元和控制单元也可以是集成在充电接收端内部的模块。示例性地，现有部分电动车具有电磁波雷达检测单元。在此情况下，电磁波雷达检测单元可以为电动车自带的电磁波雷达检测单元，如此可以减少增设电磁波雷达检测单元带来的额外成本。该示例中，控制单元对移动目标的探测结果可以通过无线通信方式发送给充电发射端。
[0041]
作为另一个示例，上述电磁波雷达检测单元可以是集成在充电接收端内部的模块，而控制单元可以是集成在充电发射端内部的模块。该示例中，电磁波雷达检测单元探测的运动信息可以通过无线通信方式发送给充电发射端内部的控制单元。
[0042]
上述各示例中，当控制单元集成在充电发射端内部时，控制单元和充电发射端内部已有的控制单元可以是同一个器件，也可以是两个单独的部件。当控制单元集成在充电接收端内部时，控制单元和充电接收端内部已有的控制单元可以是同一个器件，也可以是两个单独的部件。
[0043]
应理解，图1仅仅是无线充电系统的举例，并不构成对无线充电系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。下面对上述控制单元根据电磁波雷达检测单元采集的运动信息确定移动目标是否是生物体的具体过程进行详
细描述。
[0044]
请参照图2，图2为本技术实施例提供的生物体识别方法的流程图一。作为示例而非限定，该方法可以应用于图1所示的无线充电系统中，被上述控制单元执行，以实现无线充电系统中进入强电磁场区域的生物体的探测。该生物体识别方法包括如下步骤s201至步骤s202。
[0045]
s201，获取移动目标的多组运动信息。
[0046]
其中，运动信息包括速度信息，多组运动信息所包含的速度信息包括移动目标不同部位的速度信息。
[0047]
在一些可能的实施方式中，可以通过图1所示的电磁波雷达检测单元(如毫米波雷达检测系统)采集移动目标的多组运动信息，并将采集得到的移动目标的多组运动信息传输给上述控制单元。当然，在其它实施例中，也可以通过其它具有不同部位测速功能的系统进行获取。下面对电磁波雷达检测单元如何采集移动目标的多组运动信息进行说明。
[0048]
首先，电磁波雷达检测单元的采集原理如下：电磁波雷达检测单元发射电磁波信号，电磁波信号在遇到移动目标后被反射，形成回波信号。当移动目标运动时，与电磁波雷达检测系统之间发生相对移动，因此，发射的电磁波信号以及反射的回波信号将发生多普勒频移，该多普勒频移与移动目标和电磁波雷达检测系统之间的相对速度(由于电磁波雷达检测系统一般)呈正比。通过采集反射的回波信号，并与发射的电磁波信号对比，可以获得多普勒频移量，基于多普勒频移量可以得到移动目标的速度信息。此外，电磁波雷达检测单元还可以通过采集回波信号，并基于回波信号得到移动目标和电磁波雷达检测单元之间的间距以及移动目标的方位信息，从而确定移动目标的位置信息。
[0049]
其次，为了采集移动目标的多组运动信息，可以通过电磁波雷达检测单元周期性地发射电磁波信号，采集被移动目标反射的多个回波信号，以获得移动目标的多组运动信息。
[0050]
应理解，周期性发射的不同次电磁波信号，被移动目标反射后会形成不同的回波信号；同一个电磁波信号也可能被移动目标的不同部位或者不同的移动目标反射，从而形成多个回波信号。也就是说，上述电磁波雷达检测系统周期性地发射电磁波信号后采集的多个回波信号，不仅包括不同电磁波信号被反射后形成的回波信号，还包括同一电磁波信号被不同部位反射后形成的回波信号。
[0051]
示例性地，假设上述电磁波雷达检测单元周期性地发射了a个电磁波信号，那么，将可能采集到b(b≥a)个回波信号，每采集一个回波信号能够获得一组运动信息，因此可以获得b组活动信息。
[0052]
需要说明的是，由于移动目标处于移动状态，不同时间点移动目标的姿态不尽相同。因此，周期性发射的不同次电磁波信号，在不同时间点遇到移动目标后，可能被移动目标的不同部位反射。例如，人体在移动过程中，第一次发射的电磁波信号可能被手臂反射，第二次发射的电磁波信号可能被腿部反射。再例如，球在滚动过程中，球表面的不同位置均可能对不同时间点到达的电磁波信号进行反射。此外，一个电磁波信号发射后可能被移动目标的不同部位反射，从而形成多个回波信号。可见，通过电磁波雷达检测单元周期性地发射电磁波信号后采集的多个回波信号，包含被移动目标不同部位反射的回波信号，基于不同部位反射的回波信号，可以采集得到移动目标不同部位的运动信息，例如速度信息。
[0053]
s202，根据多组运动信息所包含的速度信息，确定移动目标是否是生物体。
[0054]
生物体在运动时，是复杂的踝关节、膝关节转动、腿部以及脚步移动等运动的结合，而非生物体并没有这些复杂的运动结合，因此，区别于非生物体在运动时不同部位的运动速度基本相同的情况，生物体在运动时不同部位的运动速度并不相同，本技术实施例正是利用该区别点对生物体和非生物体进行区分。
[0055]
具体地，本技术实施例通过获取移动目标的多组运动信息，并利用该多组运动信息包含的速度信息对移动目标是否是生物体进行识别，该多组运动信息包含的速度信息包括移动目标不同部位的速度信息。由于生物体在运动时不同部位的速度信息存在较大区别，而非生物体在运动时不同部位的速度信息基本相同，因此，利用该移动目标不同部位的速度信息，可以实现对生物体与非生物体的区分。相比于现有的运动检测方法，本技术实施例在识别过程中进一步考虑了可以区分生物体和非生物体的特征——移动目标不同部位的速度信息，因此可以进一步提高识别生物体的准确率。
[0056]
需要说明的是，上述s202中，多组运动信息可以包括m组运动信息；m组运动信息可以基于采集时序划分为n段运动信息；m为大于或等于2的整数，n为大于或等于1的整数，n≤m。下面结合图3至图6对上述步骤s202的具体实现进行说明。
[0057]
请参照图3，图3为本技术实施例提供的生物体识别方法的流程图二。图3对图2中的步骤s202进行了细化，具体包括如下步骤s301至步骤s302。
[0058]
s301，根据任一段运动信息所包含的速度信息，确定任一段运动信息所对应的速度离散程度信息。
[0059]
其中，速度离散程度信息用于反映任一段运动信息所包含的速度信息之间的差异程度。此外，在其它实施例中，在s301中，也可以基于任一段运动信息所包含的速度信息确定的多个加速度信息，进一步确定多个加速度信息所对应的加速度离散程度信息，该加速度离散程度信息用于反映多个加速度信息之间的差异程度时，本技术实施例称之为加速度离散程度信息。除特别说明外，以下实施例以离散程度信息为速度离散程度信息为例进行说明，加速度离散程度信息的具体实施可以适应性参照实施。
[0060]
应理解，上述s301中，第p个速度离散程度信息基于第p段运动信息所包含的速度信息获得，p为小于或等于n的正整数。经过s301后，共获得n个速度离散程度信息。
[0061]
示例性的，以m＝100，每段运动信息包括10组运动信息为例，100组运动信息依照采集时序被划分为10段运动信息，即n＝10的情况。针对每段运动信息所包含的速度信息，均获得一个速度离散程度信息，如此，就可以获得10个速度离散程度信息。以10个速度离散程度信息中的第5个速度离散程度信息为例，那么，第5个速度离散程度信息基于第5段运动信息中的10组运动信息所包含的速度信息获得，用于指示第5段运动信息中的10组运动信息所包含的速度信息之间的差异程度。
[0062]
应理解，生物体在运动时不同部位的速度信息存在较大区别，即生物体在运动时不同部位的速度信息之间的差异程度较大，速度离散程度较大；而非生物体在运动时不同部位的速度信息基本相同，即非生物体在运动时不同部位的速度信息之间的差异程度较小，速度离散程度较小。可见，生物体和非生物体在运动时表现出不同的速度离散程度信息。因此，本实施例确定的速度离散程度信息可以作为区分生物体和非生物体的特征，用于区分生物体和非生物体。
[0063]
可选地，第p个速度离散程度信息包括第p段运动信息所包含的速度信息的标准差。
[0064]
第p段运动信息所包含的速度信息的标准差可以通过如下等式一计算得到。
[0065][0066]
式中s为标准差；xq为多组运动信息所包含的第q个速度信息，为多组运动信息所包含的速度信息的均值，n为组数。
[0067]
可选地，第p个速度离散程度信息包括第p段运动信息所包含的速度信息的方差。应理解，方差是标准差的平方，下面仅对标准差的计算过程进行示意，不再单独示意方差的计算过程。
[0068]
请参照图4，图4为本技术实施例提供的速度信息的标准差的对照图。
[0069]
其中，图4中的(a)展示了塑料瓶和橡胶小球的速度信息的标准差。通过对比可以发现，塑料瓶和橡胶小球这两个非生物体的速度信息的标准差均维持在较低的一个水平；图4中的(b)展示了人体的速度信息的标准差。通过该图可以发现，人体这个生物体的速度信息的标准差维持在较高的一个水平。图4中的(c)展示了非生物体和人体的速度信息的标准差。通过对比可以发现，人体这个非生物体的速度信息的标准差明显大于塑料瓶这个非生物体的速度信息的标准差；可见，生物体和非生物体在运动时表现出不同的速度信息的标准差。将速度信息的标准差作为分辨生物体的特征，是具有可行性的。
[0070]
在一种可能的实施方式中，为了使得识别结果更加准确，本技术实施例在图3的基础上，还提供了图5所示的实施例。
[0071]
请参照图5，图5为本技术实施例提供的生物体识别方法的流程图三。区别于图3，在步骤s301之前，图5所示的生物体识别方法还可以包括：
[0072]
s301a，对任一段运动信息所包含的速度信息去噪处理，获得去噪后的任一段运动信息所包含的速度信息。
[0073]
在此情况下，步骤s301具体包括：
[0074]
s301b，根据去噪后的任一段运动信息所包含的速度信息，确定任一段运动信息所对应的速度离散程度信息。
[0075]
下面对s301a所示的去噪过程进行示意。
[0076]
首先说明，运动信息所包含的速度信息为移动目标上的一个位置点的速度信息，运动信息还包括位置点的位置信息；任一段运动信息包括q个位置点的运动信息。
[0077]
可选地，在对任一段运动信息所包含的速度信息去噪，具体包括：
[0078]
确定任一段运动信息所对应的q个位置点中的噪声点；其中，当q个位置点中的第m位置点的聚集点个数小于第一预设阈值时，第m位置点为噪声点；当q个位置点中的第n位置点到第m位置点的距离小于第二预设阈值时，第n位置点为第m位置点的聚集点；第n位置点到第m位置点的距离，基于第m位置点的位置信息和第n位置点的位置信息确定；m、n均为小于或等于q的正整数；
[0079]
删除任一段运动信息中的噪声点的速度信息。应理解，去噪后的任一段运动信息所包含的速度信息为：任一段运动信息所包含的速度信息中，除噪声点对应的运动信息所包含的速度信息之外的其它速度信息。
[0080]
继续沿用前述示例，100组运动信息依照采集时序被划分为10段运动信息，每段运动信息包括10组运动信息。下面以第5段运动信息为例讲述去噪过程。
[0081]
第5段运动信息包括10组运动信息，那么该段运动信息对应10个位置点。以这10个位置点的第5位置点(即第5个位置点)为例，计算第5位置点与其它9个位置点之间的距离，统计第5位置点的聚集点个数。其中，这9个位置点中，与第5位置点的距离小于第一预设阈值(如70cm)的位置点为第5位置点的聚集点。若第5位置点的聚集点个数小于第二预设阈值(如4个)，则该第5位置点为噪声点，否则为核心点。按照同样的方法，对这10个位置点中的其它位置点进行判断，确定出这10个位置点中的所有噪声点。在确定出这10个位置点中的噪声点后，删除第5段运动信息中所有噪声点的速度信息，得到去噪后的第5段运动信息所包含的速度信息。
[0082]
按照上述对第5段运动信息的去噪过程，对10段运动信息的其余段运动信息进行去噪，最终可以得到去噪后的10段运动信息所包含的速度信息。
[0083]
请继续参照图3，在s301之后，还包括步骤s302，具体如下：
[0084]
s302，根据n个速度离散程度信息，确定移动目标是否是生物体。
[0085]
n为大于或等于1的正整数。应理解，n可以取1，也可以取大于1的正整数。当n＝1时，相比于n＞1的情况，只需要利用一个速度离散程度信息实现生物体的判断，因此，无论是在运动信息的采集阶段、去噪阶段，还是速度离散程度信息的计算阶段以及基于速度离散程度信息进行识别的阶段，运算量较小，系统响应速度更快，识别速度更快。反之，当n＞1时，相比于n＝1的情况，由于需要利用多个速度离散程度信息实现生物体的判断，相比于利用一个速度离散程度信息进行生物体识别的方案而言，识别准确度更高。
[0086]
作为一种可能的实现方式，上述步骤s302可以通过如下步骤实现：
[0087]
将n个速度离散程度信息输入生物体检测模型，获得n个检测信息；根据n个检测信息，确定移动目标是否是生物体。
[0088]
其中，一个检测信息对应一个速度离散程度信息，换句话说，生物体检测模型针对一个速度离散程度信息输出一个检测信息。检测信息用于指示对应的速度离散程度信息是否是生物体的信息。可选地，检测信息可以是第一指示信息或第二指示信息，其中，第一指示信息用于指示对应的速度离散程度信息关联的一段运动信息包括生物体，第二指示信息用于指示对应的速度离散程度信息关联的一段运动信息不包括生物体，比如，第一指示信息可以是
“‑
1”第二指示信息可以是“1”，
“‑
1”用于指示对应的速度离散程度信息是生物体的信息，“1”用于指示对应的速度离散程度信息不是生物体的信息，或者
“‑
1”和“1”也可以进行相反指示。
[0089]
应理解，当n＝1时，即只有一个速度离散程度信息时，生物体检测模型仅需对该一个速度离散程度信息进行识别，并输出一个检测信息。因此，根据该一个检测信息所指示的内容，来确定移动目标是否是生物体。换句话说，当该一个检测信息指示对应的速度离散程度信息是生物体的信息，则确定移动目标是生物体；反之，则确定移动目标不是生物体。
[0090]
当n＞1时，即具有多个速度离散程度信息时，生物体检测模型需对多个速度离散
程度信息进行识别，并输出多个检测信息。因此，根据需要根据多个检测信息所指示的内容，共同来确定移动目标是否是生物体。可选地，可以通过判断多个检测信息中指示移动目标为生物体的检测信息个数是否超过一个第三预设阈值，来确定移动目标是否是生物体。
[0091]
上述生物体检测模型基于训练样本集训练得到，训练样本集包括多个训练样本，训练样本包括速度离散程度信息训练样本。训练过程可以是有监督训练、无监督训练或者半监督训练。有监督训练时，训练样本还应包括标签，即速度离散程度信息对应的类别(生物体或者非生物体)；无监督训练时，训练样本不包括标签。应理解，由于该生物体检测模型基于速度离散程度信息训练样本训练得到，因此，该生物体检测模型可以用于判断速度离散程度信息是否是生物体的信息。
[0092]
可选地，生物体检测模型可以为分类器，例如支持向量机(support vector machines，svm)分类器。下面以svm分类器为例，对生物体检测模型的训练过程进行描述。
[0093]
首先，对svm分类器的训练过程的基本原理进行描述。
[0094]
对于数据集线性可分的第一种情况，svm分类器的原理就是，通过训练得到一个超平面，使得该超平面到两类样本点边界的距离相等且最大。
[0095]
对于数据集线性不可分的第二种情况，svm分类器的原理就是，通过训练求解如式(1)的二次凸优化问题。
[0096][0097]
式中，w、b分别为超平面的法向量和截距；xi为训练样本的第i个特征向量；yi为xi的类别(即标签)，取值-1(表示负类)或1(表示正类)；min是指目标函数，此处目标函数为求解最小值；δi是为使目标函数有最优解所引入的松弛向量；c是使间隔尽量大与误分类点的个数尽量小二者之间的调和系数；φ()为低维空间到高维空间的映射关系；s.t.是约束条件。
[0098]
通过拉格朗日函数转换，上述式(1)的优化问题可转换为式(2)。
[0099][0100]
式中，k(xi,xj)＝φ(xi)
·
φ(xj)，k(xi,xj)为核函数，α为拉格朗日乘子，一个αi对应一个样本点(xi,yi)。式(2)的目的在于输入训练样本后求解最优的α，从而获得最佳的w与b。应理解，当w与b确定后，svm分类器也就得以确定。
[0101]
本技术实施例属于上述第二种情况。下面结合图6，对svm分类器的训练方法进行介绍。
[0102]
请参阅图6，图6为本技术实施例提供的一种svm分类器的训练方法的流程图。该svm分类器的训练方法可以包括如下步骤：
[0103]
s601，获取训练样本集。
[0104]
其中，训练样本集包括多个训练样本，训练样本包括速度离散程度信息训练样本
以及对应的类别。
[0105]
应理解，速度离散程度信息训练样本的获取过程的具体实施可以参照上述速度离散程度信息的获取过程，此处不再赘述。
[0106]
s602，根据训练样本集训练初始svm分类器，得到训练后的svm分类器。
[0107]
应理解，该训练后的svm分类器即为上述生物体检测模型，作生物体识别用。
[0108]
具体地，将训练样本集的速度离散程度信息构成的一维向量作为特征向量作为初始svm分类器的输入，将该特征向量对应的类别作为初始svm分类器的输出。在本技术实施例中，上述式(2)中的核函数k(xi,xj)选用高斯核函数，利用交叉验证方法，求出最佳的c、调控参数(gamma，g)。其中，g为高斯核函数自带的一个参数，该参数隐含地决定了数据映射到新的特征空间后的分布，g越大，支持向量越少，g越小，支持向量越多，支持向量的个数影响训练与预测的速度。在训练得到最佳的c、g后，再进一步训练得到最佳的α，从而得到最佳的w与b，进而得到训练后的svm分类器。
[0109]
可选地，在模型训练完成后，使用模型进行实时检测，验证模型分辨生物体的准确率。
[0110]
示例性地，采用测试样本集预测准确率，采用类别预测正确的样本个数与测试样本集的总样本个数的比值作为预测准确率的评价标准，准确率η的表达式为：
[0111][0112]
式中，n
true
为类别预测正确的样本个数，n为测试样本集的总样本个数。
[0113]
如表1所示，表1为svm分类器的预测准确率表。该表中展示了测试样本集共包含三组行走人体(分别为一号人体、二号人体和三号人体)和一组非生物体四部分构成。以一号人体的数据为例进行说明，一号人体的总样本个数为105个，类别预测正确(即svm分类器将样本对应的类别为生物体)的样本个数为103个，svm分类器类别预测不准确(即svm分类器将样本对应的类别为非生物体)的样本个数为2个，准确率为98.1％。
[0114]
表1svm分类器的预测准确率表
[0115]
判断目标总样本个数生物体非生物体准确率一号人体105103298.1％二号人体94940100％三号人体10699793.4％非生物体10899991.6％
[0116]
通过表1可以看到，模型分辨人体的平均准确率可以达到93％以上。由此证明，本技术实施例提供的基于速度离散程度进行生物体和非生物体区分的准确性和合理性。
[0117]
应理解，在其它实施例中，生物体检测模型也可以是神经网络模型。通过速度离散程度信息训练样本对神经网络模型进行有监督或无监督训练，使得该神经网络模型能够区分生物体和非生物体的速度离散程度信息，本技术实施例对此不做限定。
[0118]
上述实施例利用生物体检测模型对速度离散程度信息进行识别。当然，在其它实现方式中，也可以通过大量实验获得生物体的速度离散程度信息和非生物体的速度离散程度信息的分界点。如此，在上述步骤s302的具体实施过程中，可以通过判断各速度离散程度信息是否大于该分界点，并基于判断结果来判断移动目标是否是生物体。
[0119]
需要说明的是，上述实施例中，以速度离散程度信息作为区别生物体和非生物体的一个特征，对步骤s202进行了细化。在其它实施例中，也可以以加速度离散程度信息作为区别生物体和非生物体的一个特征，判断移动目标是否是生物体。具体实施过程和以速度离散程度信息区分生物体和非生物体的实施例，可以适应性参照实施。相比于以速度离散程度信息区分生物体和非生物体的实施例而言，该实施例还需要利用运动信息所包含的速度信息进一步获取加速度信息，然后基于加速度信息获得加速度离散程度信息。
[0120]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0121]
对应于上文实施例的生物体识别方法，本技术实施例还提供了一种生物体识别装置。
[0122]
请参照图7，图7为本技术实施例提供的一种生物体识别装置的结构示意图。该生物体识别装置包括：
[0123]
获取模块701，用于获取移动目标移动过程中的多组运动信息。其中，运动信息包括速度信息，多组运动信息所包含的速度信息包括移动目标不同部位的速度信息；
[0124]
识别模块702，用于根据多组运动信息所包含的速度信息，确定移动目标是否是生物体。
[0125]
在一种可能的实现方式中，多组运动信息基于采集时序划分为多段运动信息。识别模块702具体包括：
[0126]
第一确定子模块，用于根据任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息；其中，离散程度信息用于反映任一段运动信息所包含的速度信息或基于任一段运动信息所包含的速度信息确定的多个加速度信息之间的差异程度；
[0127]
第二确定子模块，用于根据多个速度离散程度信息，确定移动目标是否是生物体。
[0128]
在一种可能的实现方式中，判断子模块具体用于将多个离散程度信息输入生物体检测模型，获得多个检测信息；其中，一个检测信息对应一个离散程度信息；检测信息用于指示对应的离散程度信息关联的一段运动信息所包含的速度信息是否包括生物体；其中，生物体检测模型基于训练样本集训练得到，训练样本集包括多个训练样本，训练样本包括离散程度信息训练样本。根据多个检测信息，确定移动目标是否是生物体。
[0129]
在一种可能的实现方式中，离散程度信息为速度离散程度信息，任一段运动信息对应的离散程度信息包括：任一段运动信息所包含的速度信息的标准差或方差；或者，离散程度信息为加速度离散程度信息，任一段运动信息对应的离散程度信息包括：基于任一段运动信息所包含的速度信息确定的多个加速度信息的标准差或方差。
[0130]
在一种可能的实现方式中，上述识别模块702还包括：
[0131]
去噪子模块，用于在根据任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息之前，对任一段运动信息所包含的速度信息去噪，获得去噪后的任一段运动信息所包含的速度信息；
[0132]
第一确定子模块具体用于根据去噪后的任一段运动信息所包含的速度信息，确定任一段运动信息对应的离散程度信息。
[0133]
在一种可能的实现方式中，运动信息所包含的速度信息为移动目标上的一个位置
点的速度信息，运动信息还包括位置点的位置信息；任一段运动信息包括q个位置点的运动信息。
[0134]
去噪子模块具体用于确定任一段运动信息所对应的q个位置点中的噪声点；其中，当q个位置点中的第m位置点的聚集点个数小于第一预设阈值时，第m位置点为噪声点，m、n均为小于或等于q的正整数；删除任一段运动信息中的噪声点的速度信息。其中，去噪后的任一段运动信息所包含的速度信息为：任一段运动信息所包含的速度信息中，除噪声点对应的运动信息所包含的速度信息之外的其它速度信息。
[0135]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0136]
本技术实施例还提供了一种终端设备的结构示意图。请参照图8，图8为本技术实施例提供的一种终端设备的结构示意图。该实施例的终端设备8包括：至少一个处理器80(图8中仅示出一个)处理器、存储器81以及存储在存储器81中并可在至少一个处理器80上运行的计算机程序82，处理器80执行计算机程序82时实现上述任意各个生物体识别方法实施例中的步骤。
[0137]
终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端设备8的举例，并不构成对终端设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0138]
所称处理器80可以是中央处理单元(central qrocessing unit，cqu)，该处理器80还可以是其他通用处理器、数字信号处理器(digital signal qrocessor，dsq)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-qrogrammable gate array，fqga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0139]
存储器81在一些实施例中可以是终端设备8的内部存储单元，例如终端设备8的硬盘或内存。存储器81在另一些实施例中也可以是终端设备8的外部存储设备，例如终端设备8上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器81还可以既包括终端设备8的内部存储单元也包括外部存储设备。存储器81用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
[0140]
本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0141]
本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0142]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
[0143]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0144]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0145]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0146]
在本技术所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0147]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0148]
以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种生物体识别方法，其特征在于，包括：获取移动目标的多组运动信息；其中，多组所述运动信息包括所述移动目标不同部位的速度信息；根据多组所述运动信息所包含的速度信息，确定所述移动目标是否是生物体。2.如权利要求1所述的生物体识别方法，其特征在于，多组所述运动信息基于采集时序划分为多段运动信息；所述根据多组所述运动信息所包含的速度信息，确定所述移动目标是否是生物体，包括：根据任一段所述运动信息所包含的速度信息，确定任一段所述运动信息对应的离散程度信息；其中，所述离散程度信息用于反映任一段所述运动信息所包含的速度信息或基于任一段所述运动信息所包含的速度信息确定的多个加速度信息之间的差异程度；根据多个所述离散程度信息，确定所述移动目标是否是生物体。3.如权利要求2所述的生物体识别方法，其特征在于，所述根据多个所述离散程度信息，确定所述移动目标是否是生物体，包括：将多个所述离散程度信息输入生物体检测模型，获得多个检测信息；其中，一个所述检测信息对应一个所述离散程度信息；所述检测信息用于指示对应的所述离散程度信息关联的一段所述运动信息是否包括生物体；其中，所述生物体检测模型基于训练样本集训练得到，所述训练样本集包括多个训练样本，所述训练样本包括离散程度信息训练样本；根据多个所述检测信息，确定所述移动目标是否为生物体。4.如权利要求2或3所述的生物体识别方法，其特征在于，所述离散程度信息为速度离散程度信息，任一段所述运动信息对应的离散程度信息包括：任一段所述运动信息所包含的速度信息的标准差或方差；或者，所述离散程度信息为加速度离散程度信息，任一段所述运动信息对应的所述离散程度信息包括：基于任一段所述运动信息所包含的速度信息确定的多个加速度信息的标准差或方差。5.如权利要求2或3所述的生物体识别方法，其特征在于，在所述根据任一段所述运动信息所包含的速度信息，确定任一段所述运动信息对应的离散程度信息之前，所述方法还包括：对任一段所述运动信息所包含的速度信息去噪处理，获得去噪后的任一段所述运动信息所包含的速度信息；所述根据任一段所述运动信息所包含的速度信息，确定任一段所述运动信息对应的离散程度信息，包括：根据所述去噪后的任一段所述运动信息所包含的速度信息，确定任一段所述运动信息对应的离散程度信息。6.如权利要求5所述的生物体识别方法，其特征在于，所述运动信息所包含的速度信息为所述移动目标上的一个位置点的速度信息，所述运动信息还包括所述位置点的位置信息；任一段所述运动信息包括q个所述位置点的运动信息；所述对任一段所述运动信息所包含的速度信息去噪处理，包括：确定任一段所述运动信息所对应的q个所述位置点中的噪声点；其中，当q个所述位置
点中的第m位置点的聚集点个数小于第一预设阈值时，所述第m位置点为所述噪声点，m、n均为小于或等于q的正整数；删除任一段所述运动信息中的所述噪声点的速度信息；所述去噪后的任一段所述运动信息所包含的速度信息为：任一段所述运动信息所包含的速度信息中，除所述噪声点对应的所述运动信息所包含的速度信息之外的其它速度信息。7.一种生物识别装置，其特征在于，包括：获取模块，用于获取移动目标的多组运动信息；其中，所述运动信息包括速度信息，所述多组运动信息所包含的速度信息包括所述移动目标不同部位的速度信息；识别模块，与所述获取模块连接，用于根据所述多组运动信息所包含的速度信息，确定所述移动目标是否是生物体。8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。9.一种无线充电系统，其特征在于，包括：电磁波雷达检测单元，用于采集移动目标的多组运动信息；其中，所述运动信息包括速度信息，所述多组运动信息所包含的速度信息包括所述移动目标不同部位的速度信息；控制单元，与所述电磁波雷达检测单元连接，用于获取所述移动目标的多组运动信息；根据所述多组运动信息所包含的速度信息，确定所述移动目标是否是生物体。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

技术总结
本申请公开了一种生物体识别方法、终端设备以及无线充电系统，适用于生物体检测的技术领域。其中，该生物体识别方法包括：获取移动目标在移动过程中的多组运动信息；根据多组运动信息所包含的速度信息，确定移动目标是否是生物体。其中，运动信息包括速度信息，多组运动信息所包含的速度信息包括移动目标不同部位的速度信息。该生物体识别方法可以解决现有的运动检测方法在识别生物体上存在准确率低的问题。题。题。


技术研发人员：田勇 李文浩 田劲东 李晓宇
受保护的技术使用者：深圳大学
技术研发日：2023.03.31
技术公布日：2023/7/18