本发明属于计算机视觉检测技术领域，更具体地，涉及一种非接触式的人呼吸参数实时测量方法及系统。
背景技术：
随着社会的不断进步和计算机技术的发展，让机器具有人的思维方式一直是人工智能研究者追寻的目标。目前，对人体的生物指标、动作识别和行为理解逐渐成为计算机视觉检测领域的研究热点。这些研究可以帮助人们理解一些特征，如对方的心率、行为、体态等，通过这些特征可以反应出目标的态度、情绪等。人体呼吸参数实时检测是众多人体生物指标识别和行为理解中的一种，是计算机视觉检测研究的重要组成部分。
人体呼吸参数实时测量是指利用计算机对人体呼吸时的身体变化特征信息进行特征提取，按照人的认识和思维方式加以归类，进而识别出人当前的呼吸频率、呼吸强度、呼吸模式、是否有呼吸暂停等。人体呼吸参数实时测量识别的应用领域主要包括:智能人机接口HCD的设计与完善、人工智能、家庭服务机器人的设计与实现、医疗应用等。
传统的监测人体呼吸参数实时测量的方法大部分需要在人体相关部位，例如手腕、咽喉或者胸口呼吸部位安装传感器，属于侵入式监测，会对被监测人产生不便。非侵入式的睡眠姿势监测则经常采用红外摄像头，造成隐私泄漏的隐患。
技术实现要素：
针对现有技术的以上缺陷或改进需求，本发明提供了一种非接触式的人体呼吸参数实时测量方法及系统，其目的在于，通过监测人体附近Wi-Fi信号的信道状态信息，提取出反应人体呼吸时的特征值进而计算出实时呼吸频率，该方法无需在被测人身上安装侵入式传感器，也不会暴露被测人身体隐私，由此解决现有人体呼吸参数检测方法使被测人感觉不适或暴露被测人隐私的技术问题。
一种非接触式的人呼吸参数实时测量方法，包括以下步骤：
(1)在人体附近产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；
(2)对采集的信道状态信号CSI进行去噪处理；
(3)对CSI信号分时段，使得同一时段内的统计特性一致；
(4)从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai，进而计算得到每一段CSI信号的呼吸频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)以及呼吸幅值A＝(k1A1+k2A2+…+kNAN)/(k1+k2+…+kN)，i＝1,2…,N，N为子载波的个数。
进一步地，所述步骤(4)从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai的具体实现方式为：
从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi；
依据提取出来的频率ωi，依据中心频率ωi对每个CSI子载波信号建立谐波模型Aisin(ωit+τi)，结合采集到的每条CSI子载波信号，利用最小二乘法估计，得到相位τi和幅值Ai的最佳估计值；将相位τi和幅值Ai的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小，记最小误差为Si；
计算每个CSI子载波信号的周期性大小pi＝Ai/Si。
进一步地，采用傅立叶变换或递归图方法从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi。
进一步地，所述步骤(3)的具体实现方式为：使用滑动时间窗口来检测CSI信号在该时间窗口内的统计特性是否一致，如果不一致，找到前后发生变化的时刻，记为临界时刻；将两相邻临界时刻之间的CSI信号标记为一段CSI信号
进一步地，所述步骤(2)的具体实现过程为：首先对CSI信号中超出一定阈值的噪声进行去除，然后统一CSI信号相邻采样点的时间间隔，最后去除CSI信号中所包含的高频噪声。
一种非接触式的人呼吸参数实时测量系统，包括
信号采集单元，用于在人体附近产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；
去噪单元，用于对采集的信道状态信号CSI进行去噪处理；
分时段单元，用于对去噪处理后的CSI信号分时段，使得同一时段内的统计特性一致；
呼吸参数提取单元，用于从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai，进而计算得到每一段CSI信号的呼吸频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)以及呼吸幅值A＝(k1A1+k2A2+…+kNAN)/(k1+k2+…+kN)，i＝1,2…,N，N为子载波的个数。
进一步地，所述呼吸参数提取单元包括：
子载波频率提取子模块，用于从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi；
参数估计子模块，依据提取出来的频率ωi，依据中心频率ωi对每个CSI子载波信号建立谐波模型Ai sin(ωit+τi)，结合采集到的每条CSI子载波信号，利用最小二乘法估计，得到相位τi和幅值Ai的最佳估计值；将相位τi和幅值Ai的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小，记最小误差为Si；
周期计算子模块，用于计算每个CSI子载波信号的周期性大小pi＝Ai/Si。
进一步地，所述子载波频率提取子模块采用傅立叶变换或递归图方法从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi。
进一步地，所述分时段单元包括：突变判定子模块，用于使用滑动时间窗口来检测CSI信号在该时间窗口内的统计特性是否一致，如果不一致，找到前后发生变化的时刻，记为临界时刻；标记子模块，用于将两相邻临界时刻之间的CSI信号标记为一段CSI信号。
进一步地，所述信号采集单元包括：Wi-Fi路由器，用于在人体附近产生Wi-Fi信号；接收器，用于采集Wi-Fi信号中的信道状态信号CSI。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明利用Wi-Fi的CSI信号特征检测人体呼吸状态，相较于现有其他技术可方便自然的测试人体呼吸参数，无需在被测人身上安装侵入式传感器，也不会暴露被测人身体隐私，使被测人在测试过程中感到自然、舒适。
附图说明
图1是系统流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为了便于对本发明的理解,首先对本发明涉及的术语进行解释：
CSI(Channel State Information)是指信道状态信息。在无线通信领域，所谓的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。
由于CSI信号频域分辨率很高原因，可以检测出由于呼吸产生的人体的胸部运动。因此，本发明通过对人体周围的CSI信号进行特征提取，进而分析处理得到人体呼吸频率和呼吸幅值。
图1为本发明呼吸参数实时测量方法工作流程图。本发明非接触式人体呼吸参数实时测量方法包括以下步骤：
(1)信号采集步骤：
在人体附近产生Wi-Fi信号，以较高频率采集Wi-Fi信号中的信道状态信号CSI，采样频率范围在100Hz至1000Hz之间。
(2)信号预处理步骤：
首先采用哈勃(Hampel)滤波器、小波滤波器等去噪方法将收集到的CSI信号中超出一定阈值的噪声去掉，优选Hampel滤波器。
然后用零阶或一阶线性差值法方法统一CSI信号相邻采样点的时间间隔，优选一阶线性差值法。
最后对于处理后的CSI信号，采用小波滤波器、车比雪夫滤波器等方法去除掉CSI信号中所包含的高频噪声，优选小波滤波器。
(3)分时段步骤：
对CSI信号分时段，使得同一时段内的统计特性一致，其具体的实现过程为：对于预处理后的信号，使用滑动时间窗口法来检测CSI信号在该时间窗口内的统计特性(均值、方差等)是否一致(均值、方差稳定在一个范围内则认为一致)。如果不一致，找到前后发生变化的时刻，记为临界时刻，两相邻临界时刻之间的CSI信号即为一段CSI信号，每一段CSI信号的均值、方差稳定在一个范围内。一致性的标准为经验值，可根据实验值调整确定。
对CSI信号分时段处理，每段CSI信号包含多个具有类似的特征的采样点，这样在后继步骤中，可以利用多个采样点的信息，更准确的估计呼吸频率和幅值。
(4)呼吸频率和幅值计算步骤：
由于每一段CSI信号均包含多个CSI子载波信号，可用傅立叶变换、递归图(recurrence plot，RP)等方法对每一段子载波进行处理，提取出每个子载波的中心频率ωi，优选傅立叶变换。
依据提取出来的频率ωi，依据中心频率ωi对每个CSI子载波信号建立谐波模型Aisin(ωit+τi)，结合采集到的每条CSI子载波信号，利用最小二乘法估计，得到相位τi和幅值Ai的最佳估计值；将相位τi和幅值Ai的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小，记最小误差为Si；计算每个CSI子载波信号的周期性大小pi＝Ai/Si。
用加权后的中心频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)作为最终的呼吸频率的估计，N为子载波个数。
对N个幅值Ai做同样的加权平均，处理得到最终的呼吸幅值A。
如果幅值估计A始终小于预定阈值，则判断呼吸暂停。预定阈值为经验值，可根据实验值调整确定。
本发明还提供了实现上述方法的系统，包括：
信号采集单元，用于在人体附近产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；
去噪单元，用于对采集的信道状态信号CSI进行去噪处理；
分时段单元，用于对去噪处理后的CSI信号分时段，使得同一时段内的统计特性一致；
呼吸参数提取单元，用于从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai，进而计算得到每一段CSI信号的呼吸频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)以及呼吸幅值A＝(k1A1+k2A2+…+kNAN)/(k1+k2+…+kN)，i＝1,2…,N，N为子载波的个数。
所述呼吸参数提取单元包括：子载波频率提取子模块，用于从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi；
所述参数估计子模块，依据提取出来的频率ωi，依据中心频率ωi对每个CSI子载波信号建立谐波模型Aisin(ωit+τi)，结合采集到的每条CSI子载波信号，利用最小二乘法估计，得到相位τi和幅值Ai的最佳估计值；将相位τi和幅值Ai的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小，记最小误差为Si；
周期计算子模块，用于计算每个CSI子载波信号的周期性大小pi＝Ai/Si。
所述子载波频率提取子模块采用傅立叶变换或递归图方法从每一段CSI信号均包含的多个CSI子载波信号中提取出每个子载波的中心频率ωi。
所述分时段单元包括：突变判定子模块，用于使用滑动时间窗口来检测CSI信号在该时间窗口内的统计特性是否一致，如果不一致，找到前后发生变化的时刻，记为临界时刻；标记子模块，用于将两相邻临界时刻之间的CSI信号标记为一段CSI信号。
所述信号采集单元包括：Wi-Fi路由器，用于在人体附近产生Wi-Fi信号；接收器，用于采集Wi-Fi信号中的信道状态信号CSI。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。