本发明涉及雷达信号数据领域，尤其涉及一种基于毫米波雷达相位特征的人脸识别方法及装置。
背景技术：
1、随着信息技术的不断发展进步，身份识别技术的研究从传统的密钥、指纹、视觉逐渐地向自动化、无感化、持续化的方向发展，各种移动应用程序和智能设备中日益增长的安全问题也迫切需要一种可靠且方便的用户验证方法，从而保护用户的隐私不被泄露。
2、目前应用最广泛的身份识别方式是基于视觉的人脸识别，这类研究通过传统光学摄像头对人脸图像进行采集，通过图像分割、图像分类等一系列处理流程达到身份识别的效果。然而基于视觉的方法对成像的质量要求较高，摄像头功耗较大，对光照的要求较高，并且图像人脸数据涉及用户的重要隐私，一旦发生泄漏将会造成严重后果。
3、相比于基于视觉的人脸识别方式，毫米波雷达人脸识别的优势在于：(1)雷达发射与接收回波信号对于光线的要求很低，能够广泛适用于各种场景。(2)功耗低可以全天候、全时段工作。(3)雷达回波信号相比于图像信号，数据量量级更小易于处理，有效地保障用户的隐私。
技术实现思路
1、有鉴于此，本发明提供一种基于毫米波雷达相位特征的人脸识别方法及装置，能够解决当下基于视觉的人脸识别对光照条件要求高且具有隐私安全隐患的问题。
2、为解决上述技术问题，本发明提出如下技术方案：一种基于毫米波雷达相位特征的人脸识别方法，该方法包括以下步骤：
3、步骤1、读取毫米波雷达传感器接收到的人脸反射回的雷达回波信号，模拟人脸距离雷达不同位置，与雷达成不同角度的采集过程；
4、步骤2、对于单通道人脸雷达回波信号，通过傅里叶变换得到距离多普勒图，选取强度峰值点附近的若干个点，与峰值点共同作目标点，将目标点数据作为包含人脸信息的待处理数据；
5、步骤3、提取待处理数据中的相位特征，对相位特征做解卷绕操作，得到该通道目标点的相位变化差；
6、步骤4、对所有通道目标点的相位变化差进行3d卷积与最大池化，得到降维后的相位特征；
7、步骤5、对步骤4降维后的相位特征使用卷积自编码器进行降采样；
8、步骤6、将步骤5降采样后的数据输入到卷积神经网络中，实现人脸识别。
9、进一步地，所述步骤1中，采集过程具体为：以多场景24cm 0°、30cm 0°、30cm+15°、30cm+24°、30cm+15°、30cm 0°、30cm-15°、30cm-24°、30cm-15°、30cm 0°、50cm 0°进行采集，即受试者首先在距离雷达24cm处，接着移动到30cm处，头部由正面面对雷达向右旋转，再从右向左旋转并回到中心，最后移动到50cm处。
10、进一步地，所述步骤2中，选取目标点的方法具体为：选取距离多普勒图上强度峰值点的前3个点和后4个点共8个点作为目标点。
11、进一步地，所述步骤2中，如果存在多个强度峰值点，则选择距离雷达最近的峰值点作为目标点，并将其他峰值点视为噪声干扰。
12、进一步地，所述步骤2中，若雷达传感器具有多个接收通道，则将得到的多条人脸雷达回波信号均进行相同的数据提取操作。
13、进一步地，所述步骤3中，在做解卷绕操作时，将指定目标点相位作为所有目标点的初始相位，得到所有目标点的相位变化差；例如：可将距离雷达最近的目标点相位作为初始相位。
14、进一步地，所述步骤5中，所述卷积自编码器采用3d-cnn结构，包括依次连接的输入层、3d卷积层、最大池化层、最大上采样层、转置卷积层。
15、进一步地，所述步骤6中，所述卷积神经网络采用2d-cnn结构，包括输入层以及与所述输入层连接的2d卷积模块、2d空洞卷积模块，所述2d空洞卷积模块能够扩大感受野，兼顾整体特征和局部特征，所述2d卷积模块和所述2d空洞卷积模块的输出拼接后进行拉平操作，最终经全连接层输出人脸类别。
16、本发明还提供一种基于毫米波雷达相位特征的人脸识别装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现上述的基于毫米波雷达相位特征的人脸识别方法。
17、本发明还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述的基于毫米波雷达相位特征的人脸识别方法。
18、本发明所具有的有益效果为：本发明提出的基于毫米波雷达相位特征的人脸识别方法，不受光照的影响；数据量级小，易于处理；有效的保障了用户隐私，具有一定的穿透性，解决了传统身份识别的痛点。
1.一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤1中，采集过程具体为：以多场景24cm 0°、30cm 0°、30cm+15°、30cm+24°、30cm+15°、30cm 0°、30cm-15°、30cm-24°、30cm-15°、30cm 0°、50cm 0°进行采集，即受试者首先在距离雷达24cm处，接着移动到30cm处，头部由正面面对雷达向右旋转，再从右向左旋转并回到中心，最后移动到50cm处。
3.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤2中，选取目标点的方法具体为：选取距离多普勒图上强度峰值点的前3个点和后4个点共8个点作为目标点。
4.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤2中，如果存在多个强度峰值点，则选择距离雷达最近的峰值点作为目标点，并将其他峰值点视为噪声干扰。
5.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤2中，若雷达传感器具有多个接收通道，则将得到的多条人脸雷达回波信号均进行相同的数据提取操作。
6.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤3中，在做解卷绕操作时，将指定目标点相位作为所有目标点的初始相位，得到所有目标点的相位变化差。
7.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤5中，所述卷积自编码器采用3d-cnn结构，包括依次连接的输入层、3d卷积层、最大池化层、最大上采样层、转置卷积层。
8.根据权利要求1所述的一种基于毫米波雷达相位特征的人脸识别方法，其特征在于，所述步骤6中，所述卷积神经网络采用2d-cnn结构，包括输入层以及与所述输入层连接的2d卷积模块、2d空洞卷积模块，所述2d空洞卷积模块能够扩大感受野，兼顾整体特征和局部特征，所述2d卷积模块和所述2d空洞卷积模块的输出拼接后进行拉平操作，最终经全连接层输出人脸类别。
9.一种基于毫米波雷达相位特征的人脸识别装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，用于实现如权利要求1-8中任一项所述的基于毫米波雷达相位特征的人脸识别方法。
10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，实现如权利要求1-8中任一项所述的基于毫米波雷达相位特征的人脸识别方法。