CN109375217A - 一种检测方法、检测装置、终端及检测系统 - Google Patents

一种检测方法、检测装置、终端及检测系统 Download PDF

Info

Publication number
CN109375217A
CN109375217A CN201811400984.7A CN201811400984A CN109375217A CN 109375217 A CN109375217 A CN 109375217A CN 201811400984 A CN201811400984 A CN 201811400984A CN 109375217 A CN109375217 A CN 109375217A
Authority
CN
China
Prior art keywords
target object
detection zone
detection
feature
radar signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811400984.7A
Other languages
English (en)
Other versions
CN109375217B (zh
Inventor
林孝发
林孝山
胡金玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jomoo Kitchen and Bath Co Ltd
Jomoo Group Co Ltd
Original Assignee
Jomoo Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jomoo Group Co Ltd filed Critical Jomoo Group Co Ltd
Priority to CN201811400984.7A priority Critical patent/CN109375217B/zh
Publication of CN109375217A publication Critical patent/CN109375217A/zh
Priority to PCT/CN2019/087355 priority patent/WO2020103409A1/zh
Priority to US16/590,577 priority patent/US20200166610A1/en
Application granted granted Critical
Publication of CN109375217B publication Critical patent/CN109375217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/588—Velocity or trajectory determination systems; Sense-of-movement determination systems deriving the velocity value from the range measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2921—Extracting wanted echo-signals based on data belonging to one radar period
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2926—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by integration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0469—Presence detectors to detect unsafe condition, e.g. infrared sensor, microphone

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种检测方法、检测装置、终端及检测系统，用于检测目标对象在检测区域内的状态；上述检测方法包括：对检测区域内接收到的毫米波雷达信号进行过滤；从过滤后的每帧毫米波雷达信号中提取适于指示目标对象在检测区域内的运动模式的特征；通过流窗口监测特征的起始变化点；缓存从起始变化点开始的设定数目的特征；通过分类器对缓存的特征进行识别，确定目标对象在检测区域内的状态。本申请可以在保护隐私的基础上确保较佳的检测效果。

Description

一种检测方法、检测装置、终端及检测系统
技术领域
本申请涉及但不限于计算机技术领域，尤指一种检测方法、检测装置、终端及检测系统。
背景技术
随着计算机技术的发展，越来越多的场景使用传感器进行人体状态检测。比如，基于传感器检测人体是否跌倒的方案可以分成可穿戴方案、接触式方案以及非接触式方案。其中，在可穿戴方案中，用户需要一直佩戴一些设备(比如，运动传感器)，导致用户使用不便，在某些场合(比如，洗浴场景)使用受限。在接触式方案中，需要用户跌倒时冲击所涉及的表面(比如垫子、地板等)附近安装的传感器元件，例如开关、压力和振动传感器等，在此方案中检测准确性取决于传感器的数量和定位，为了提高检测准确性可能需要修改或重新设计检测环境(比如，家庭室内环境)，导致改造成本较高。在非接触式方案中，通常采用相机或摄像头(比如，三维深度摄像头)采集视频图像，根据采集到的视频图像确定人体是否跌倒，在此方案中通过相机或摄像头进行视频图像的采集检测不仅受环境影响较大，而且在一定程度上侵犯了用户隐私(尤其是在厕所等私密环境)。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种检测方法、检测装置、终端及检测系统，可以在保护用户隐私的基础上确保较佳的检测效果。
一方面，本申请实施例提供一种检测方法，用于检测目标对象在检测区域内的状态；所述检测方法包括：对所述检测区域内接收到的毫米波雷达信号进行过滤；从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；通过流窗口监测所述特征的起始变化点；缓存从所述起始变化点开始的设定数目的特征；通过分类器对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
另一方面，本申请实施例提供一种检测装置，用于检测目标对象在检测区域内的状态；所述检测装置，包括：过滤模块，适于对所述检测区域内接收到的毫米波雷达信号进行过滤；特征提取模块，适于从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；监测模块，适于通过流窗口监测所述特征的起始变化点；缓存模块，适于缓存从所述起始变化点开始的设定数目的特征；分类器，适于对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
再一方面，本申请实施例提供一种终端，包括：存储器和处理器，所述存储器适于存储检测程序，所述检测程序被所述处理器执行时实现上述检测方法的步骤。
再一方面，本申请实施例提供一种检测系统，用于检测目标对象在检测区域内的状态，所述检测系统包括：包括：超宽带雷达传感器以及数据处理终端；其中，所述超宽带雷达传感器适于在所述检测区域内发射毫米波雷达信号，并接收返回的毫米波雷达信号；所述数据处理终端，适于从所述超宽带雷达传感器获取接收到的所述毫米波雷达信号，并对接收到的毫米波雷达信号进行过滤；从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；通过流窗口监测所述特征的起始变化点，并缓存从所述起始变化点开始的设定数目的特征；通过分类器对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
再一方面，本申请实施例提供一种计算机可读介质，存储有检测程序，所述检测程序被处理器执行时实现上述检测方法的步骤。
在本申请实施例中，基于毫米波雷达信号进行状态检测，可以保护用户隐私，特别适合于浴室、厕所等私密环境的状态检测；采用从毫米波雷达信号中提取适于指示目标对象在检测区域内的运动模式的特征进行状态识别，可以确保检测效果。本申请实施例在保护用户隐私的基础上确保了较佳的检测效果，不仅实施方便，而且适用于各种环境。
在阅读并理解了附图和详细描述后，可以明白其他方面。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例提供的检测方法的流程图；
图2为本申请实施例提供的检测方法的一种应用场景的示意图；
图3为本申请实施例提供的检测装置的示意图；
图4为本申请实施例提供的一个应用示例的示意图；
图5为上述应用示例中FEAT指示目标对象在检测区域内的运动模式的示意图；
图6为上述应用示例中的FEAT的一种示意图；
图7为本申请实施例提供的终端的示意图；
图8为本申请实施例提供的检测系统的示意图。
具体实施方式
下面将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供一种检测方法、检测装置、终端及检测系统，用于检测目标对象在检测区域内的状态。其中，目标对象可以包括人体、动物体等可运动对象。检测区域可以包括卧室、浴室、厕所等室内环境。然而，本申请对此并不限定。
图1为本申请实施例提供的检测方法的流程图。本实施例提供的检测方法可以由一终端(比如，笔记型电脑、个人电脑等移动终端，或者台式电脑等固定终端)执行。在一示例性实施方式中，该终端可以集成超宽带(UWB，Ultra Wideband)雷达传感器，并放置在检测区域内进行状态检测；或者，该终端可以通过有线或无线方式与设置在检测区域内的UWB雷达传感器相连。
如图1所示，本实施例提供的检测方法，包括以下步骤：
步骤101、对检测区域内接收到的毫米波雷达信号进行过滤；
步骤102、从过滤后的每帧毫米波雷达信号中提取适于指示目标对象在检测区域内的运动模式的特征；
步骤103、通过流窗口监测特征的起始变化点；
步骤104、缓存从起始变化点开始的设定数目的特征；
步骤105、通过分类器对缓存的特征进行识别，确定目标对象在检测区域内的状态。
在一示例性实施方式中，毫米波雷达信号可以由检测区域内的UWB雷达传感器接收，UWB雷达传感器的设置位置所在平面平行于检测区域内的地面，且与地面之间的垂直距离大于或等于预设值。其中，预设值可以根据检测区域内顶面与地面之间的最大垂直距离确定，预设值需要确保大于目标对象相对于检测区域内的地面的最大高度。比如，UWB雷达传感器可以设置在检测区域的顶面。
其中，UWB雷达传感器可以包括发射器和接收器，发射器可以通过发送天线向检测区域发射一系列的毫米波雷达信号，接收器可以接收从检测区域返回的毫米波雷达信号(比如，被检测区域内的目标对象或其他障碍物反射的毫米波雷达信号)。与传统的射频(RF，Radio Frequency)传感器使用窄带信号不同，UWB雷达传感器使用短脉冲，可以带来更高的分辨率、更低的功耗以及更强的抗噪能力。
图2为本实施例提供的检测方法的一种应用环境的示例图。在本示例中，目标对象可以为用户20，检测区域可以为厕所环境。本示例的检测方法可以用于检测用户20在厕所内是否跌倒。其中，UWB雷达传感器201可以安装在厕所的天花板上。UWB雷达传感器201的发射器发送的一系列毫米波雷达信号在厕所内传播，并从包括用户20在内的障碍物反射，由接收器接收反射的毫米波雷达信号。UWB雷达传感器201可以将接收到的毫米波雷达信号，作为输入流传入数据处理终端202中，然后由数据处理终端202执行步骤101至步骤105，以检测用户20在厕所内的活动，确定用户20在厕所内是否跌倒。
在一应用示例中，UWB雷达传感器201和数据处理终端202可以分开设置；其中，数据处理终端202可以为智能家居控制终端(比如，可以设置在厕所内或厕所外)，可以向用户提供人机交互界面，例如，可以在检测到用户跌倒时在人机交互界面进行信息提示或发出报警信息等。比如，如图2所示，UWB雷达传感器201可以设置在厕所内的天花板上，数据处理终端202可以设置在厕所的侧壁上。UWB雷达传感器201与数据处理终端202可以通过有线或无线方式进行数据交互。在另一应用示例中，UWB雷达传感器201与数据处理终端202可以集成在一个设备中，该设备可以将检测到的跌倒结果通过无线方式传输给目标终端(比如，用户20的家属的手机)。
本实施例中，采用UWB雷达传感器进行非接触式远程传感。基于毫米波雷达信号进行状态识别。毫米波雷达信号具有高分辨率和高穿透力的功能，可以穿透障碍物并检测到非常小的目标，而且具有极低的功率谱密度，可以防止在相同的频率范围内不受其他无线电系统的干扰。通过毫米波雷达信号进行检测，不仅可以实现隐私保护，而且确保了检测效果。
在一示例性实施方式中，步骤101可以包括：针对设定时长内在检测区域接收到的M帧毫米波雷达信号Rk＝[Rk(1),Rk(2),......,Rk(M)]，按照以下式子对M帧毫米波雷达信号进行过滤：
其中，L表示设定时长内检测区域内无任何目标对象的总帧数，即检测区域内只有静态障碍物的总帧数；M和L均为整数。
在本示例实施方式中，在对毫米波雷达信号进行过滤时，通过计算Qk(i)减少其中的噪音，再通过计算Wk(i)减少其中的杂波，从而可以从检测区域内识别出目标对象。
在一示例性实施方式中，步骤102可以包括：针对过滤后的每帧毫米波雷达信号，根据目标对象的多个散射中心与UWB雷达传感器之间的平均距离，确定适于指示目标对象在检测区域内的运动模式的特征；或者，根据目标对象的重心与UWB雷达传感器之间的距离，确定适于指示目标对象在检测区域内的运动模式的特征。
在本示例性实施方式中，通过基于到达时间的特征提取(FEAT，Featureextraction based on arrival time)来体现目标对象在检测区域内的运动模式。FEAT可以根据目标对象与UWB雷达传感器之间的距离来确定，通过多帧毫米波雷达信号的FEAT的变化可以体现目标对象与UWB雷达传感器之间的距离变化。
其中，当目标对象为人体时，由于人体包括多个散射中心，比如，头、肩部、躯干、腿等，因此UWB雷达传感器可以接收到人体反馈的多条路径的毫米波雷达信号，每条路径的FEAT取决于该条路径的散射中心和UWB雷达传感器之间的距离。由于目标对象的运动会导致散射中心的运动，因此，当目标对象运动时，目标对象对应的多路径的FEAT也是基于目标对象的运动而改变的。本实施例可以通过分析FEAT的变化来识别目标对象在检测区域内的状态。
在一示例性实施方式中，根据目标对象的多个散射中心与UWB雷达传感器之间的平均距离，确定用于指示目标对象在检测区域内的运动模式的特征，可以包括：按照以下式子确定适于指示目标对象在检测区域内的运动模式的特征：
其中，FEATi为从第i帧毫米波雷达信号中提取的指示目标对象在检测区域内的运动模式的特征；di为第i帧毫米波雷达信号中目标对象的多个散射中心与UWB雷达传感器之间的平均距离；c的取值为光速，比如可以为光在真空中的速度，3×108m/s。然而，本申请对此并不限定。在其他实现方式中，di可以为第i帧毫米波雷达信号中目标对象的重心与UWB雷达传感器之间的距离。另外，c的取值也可以为其他参考值，本申请对此并不限定。
在本实施例中，通过对毫米波雷达信号进行特征提取，可以得到多帧毫米波雷达信号的FEAT，该组FEAT可以体现目标对象与UWB雷达传感器之间的距离变化。通过提取FEAT可以将毫米波雷达信号中指示目标对象的运动模式的特征进行增强，然后进行状态识别，从而提高检测效果。
在本实施例中，通过步骤102从过滤后的每帧毫米波雷达信号中提取FEAT，可以从多帧毫米波雷达信号中得到一组FEAT；然后，通过步骤103监测该组FEAT，确定出其中的起始变化点(比如，将与其他FEAT差异较大的FEAT作为起始变化点)；然后通过步骤104从起始变化点开始缓存设定数目的FEAT，即缓存一组FEAT；然后通过步骤105采用分类器对缓存的该组FEAT进行识别，以确定目标对象在检测区域内的状态。
在一示例性实施方式中，分类器可以包括：随机森林分类器。然而，本申请对此并不限定。在其他实现方式中，本实施例还可以采用其他算法实现分类，比如，决策树算法等。
图3为本申请实施例提供的检测装置的示意图。本实施例提供的检测装置，用于检测目标对象在检测区域内的状态。如图3所示，本实施例提供的检测装置30包括：过滤模块302、特征提取模块303、监测模块304、缓存模块305以及分类器306。
其中，过滤模块302适于对检测区域内接收到的毫米波雷达信号进行过滤；特征提取模块303，适于从过滤后的每帧毫米波雷达信号中提取适于指示目标对象在检测区域内的运动模式的特征；监测模块303，适于通过流窗口监测特征的起始变化点；缓存模块304，适于缓存从起始变化点开始的设定数目的特征；分类器306，适于对缓存的特征进行识别，确定目标对象在检测区域内的状态。
在一示例性实施方式中，毫米波雷达信号可以由检测区域内的UWB雷达传感器32接收，UWB雷达传感器32的设置位置所在平面平行于检测区域内的地面，且与地面之间的垂直距离大于或等于预设值。
在一示例性实施方式中，特征提取模块303可以通过以下方式从过滤后的每帧毫米波雷达信号中提取适于指示目标对象在检测区域内的运动模式的特征：针对过滤后的每帧毫米波雷达信号，根据目标对象的多个散射中心与UWB雷达传感器之间的平均距离，确定适于指示目标对象在检测区域内的运动模式的特征；或者，根据目标对象的重心与UWB雷达传感器之间的距离，确定适于指示目标对象在检测区域内的运动模式的特征。
在一示例性实施方式中，特征提取模块303可以通过以下方式根据目标对象的多个散射中心与UWB雷达传感器之间的平均距离，确定适于指示目标对象在检测区域内的运动模式的特征：按照以下式子确定适于指示目标对象在检测区域内的运动模式的特征：
其中，FEATi为从第i帧毫米波雷达信号中提取的指示目标对象在检测区域内的运动模式的特征，di为第i帧毫米波雷达信号中目标对象的多个散射中心与UWB雷达传感器之间的平均距离，c的取值为光速。
关于本实施例提供的检测装置的相关说明可以参照上述检测方法实施例的描述，故于此不再赘述。
图4为本申请实施例提供的一种应用示例的示意图。下面结合图3和图4对本应用示例进行说明。在本应用示例中，目标对象在检测区域内的状态可以包括：跌倒状态(比如，向前跌倒、向后跌倒、侧面跌倒等)、非跌倒状态(比如，正常行走、随机行走等)。其中，以检测用户(目标对象)在厕所(检测区域)是否跌倒为例进行说明。
本示例性实施例中，如图4所示，UWB雷达传感器32可以设置在厕所的天花板上。其中，UWB雷达传感器32可以在厕所内发射毫米波雷达信号，接收厕所内返回的毫米波雷达信号，并将实时得到的每帧毫米波雷达信号传输给数据处理终端(比如，图3中的检测装置30)，以便数据处理终端基于接收到的毫米波雷达信号，检测目标对象在厕所内是否处于跌倒状态。
在本示例性实施例中，数据处理终端可以包括：过滤模块、特征提取模块、监测模块、缓存模块以及分类器。示例性地，数据处理终端可以为独立于UWB雷达传感器32的终端；或者，数据处理终端可以和UWB雷达传感器32集成在一个设备上，设置在检测区域内的顶面。
本示例性实施例中，可以将任一持续的设定时长内的第K个发送脉冲返回的毫米波雷达信号记为Rk，Rk＝[Rk(1),Rk(2),......,Rk(M)]，表示设定时长接收到的毫米波雷达信号组成的向量，其中，M为设定时长内接收到的毫米波雷达信号的总帧数，M为整数。
其中，过滤模块接收到Rk之后，可以通过以下两个式子进行数据过滤，从而减少毫米波雷达信号中的噪音和杂波：
其中，L为设定时长内检测区域内无任何目标对象的总帧数，也就是监测区域内只有静态障碍物的总帧数；L为整数。
在本示例性实施例中，由于UWB雷达传感器32设置在检测区域的天花板上，由图4可以看到，目标对象(用户)从直立行走到水平躺下的过程中，目标对象与UWB雷达传感器32之间的距离会发生变化，比如从d1增加到d2。
在图5的上半部分图中，横坐标表示时间，纵坐标表示目标对象与UWB雷达传感器之间的距离。其中，跌倒前(pre-fall)表示目标对象正常行走的时间；跌倒(fall)表示目标对象从正常直立行走到水平躺下的时间；跌倒后(post-fall)表示目标对象水平躺下后的时间；跌倒行为被清除(fall clearance)表示目的对象从水平躺下到重新正常直立行走的时间。由图5的上半部分图可知，目标对象在跌倒时，与UWB雷达传感器之间的距离会发生较大的变化，比如从d1突增到d2，且在该过程中可以体现目标对象的跌倒速度V。
虽然通过目标对象与UWB雷达传感器之间的距离可以体现跌倒过程，但是为了将跌倒过程进行增强，以便于提升检测效果，在本示例性实施例中，提取每帧毫米波雷达信号的FEAT，进行后续的状态识别。
本示例性实施例中，作为目标对象的人体包括多个散射中心，比如头、肩部、躯干、腿等，UWB雷达传感器可以接收到多条路径反馈的毫米波雷达信号，每条路径的FEAT取决于散射中心和UWB雷达传感器之间的距离。由于目标对象的运动导致散射中心的运动，因此当目标对象移动时，多路径的FEAT也是基于目标对象的运动而改变的。
本示例性实施例中，特征提取模块可以从过滤后的每帧毫米波雷达信号中提取平均FEATi，用于模拟目标对象的运动模式。比如，图4中从目标对象的头部开始的多路径的FEAT可以根据下式得到：
其中，di为第i帧毫米波雷达信号中目标对象的多个散射中心与UWB雷达传感器之间的平均距离，c的取值为光速，即3×108m/s。
在本示例性实施例中，通过对过滤后的毫米波雷达信号进行特征提取，可以得到如图5中下半部分图所示的曲线图。其中，横坐标为时间，纵坐标为FEAT。在图5的下半部分图中，可以体现UWB雷达传感器感应目标对象跌倒的速度VUWB，该速度可以根据目标对象在一段时间内的位移和时间间隔之比得到。本示例性实施例中，可以根据以下式子计算VUWB：
其中，d1和d2分别为目标对象在t1时刻和t2时刻与UWB雷达传感器之间的距离；t为t1与t2时刻之间的时间间隔；u为2/c，c的取值可以为光速，即3×108m/s；V为目标对象的跌倒速度。
图6为目标对象在厕所进行一系列随机活动对应的FEAT的示意图。如图6所示，当目标对象发生跌倒时，可以清楚地看到FEAT发生了较大的变化。如此，在毫米波雷达信号中提取FEAT后，通过分析FEAT的变化可以检测出目标对象是否发生跌倒，从而提高检测效果。
在本示例性实施例中，由于目标对象的每种活动都会导致UWB雷达传感器接收到的毫米波雷达信号发生变化，因此从毫米波雷达信号中提取的FEAT也会发生变化，后续可以通过检测FEAT的变化来识别目标对象的状态。在特征提取模块从过滤后的毫米波雷达信号提取出FEAT后，监测模块可以通过流窗口监测一组FEAT中的起始变化点。比如，可以使用Z-score和Z-test方式来检测从多帧毫米波雷达信号提取的一组FEAT的起始变化点。其中，特征提取模块对过滤后的多帧毫米波雷达信号进行特征提取后，可以得到一组FEAT(比如图6所示)，监测模块通过流窗口检测该组FEAT是否存在异常变化，并检测出异常变化的起始变化点(比如，与其他FEAT差异较大的FEAT)，然后从起始变化点开始缓存设定数目的一组FEAT，以便分类器进行分类识别。
比如，可以使用10帧大小的滑动窗口来检测从多帧毫米波雷达信号中提取的FEAT。其中，滑动窗口的滑动步长可以为1帧。针对任一滑动窗口，可以计算该滑动窗口的平均FEAT，然后对该滑动窗口的平均FEAT与预设时长的总体FEAT均值进行差异比较，通过差异比较，寻找出存在较大差异的FEAT，作为起始变化点。然后，将从起始变化点开始的设定数目的FEAT进行缓存。其中，设定数目可以根据实际场景设置，比如，可以为400，即对应400帧毫米波雷达信号。然而，本申请对此并不限定。其中，预设时长可以根据实际场景确定，预设时长可以大于或等于一个滑动窗口时长。
本示例性实施例中，通过缓存模块进行特征缓存再进行分类识别，可以避免跌倒误判。换言之，在分类器进行分类识别时，可以基于一定时长内的FEAT进行分析，可以有效检测出老年人跌倒后无法起身的情况，而针对年轻人跌倒后及时自行站立的情况可以免于报警，避免不必要的报警通知。
在本示例性实施例中，在监测模块没有监测到FEAT的异常变化时，可以确认未检测到目标对象的任何活动，即可以不用通过分类器进行状态识别，只有在确定存在FEAT的异常变化后，才进行缓存和分类识别。
在本示例性实施例中，使用随机森林分类器作为识别跌倒和非跌倒状态的分类器。随机森林分类器可以从样本集中集中通过重采样的方式获得多个样本，然后对这些样本选择跌倒的特征，并用建立决策树的方式获得最佳分割点；然后，重复200次，产生200棵决策树；最后通过多数投票机制进行状态预测。
在本示例性实施例中，为了模拟不同的跌倒或者非跌倒的场景，如表1所示，设置了200个场景，其中包括120个不同的厕所跌倒场景和80个非跌倒的场景。跌倒的场景包括以下六种厕所内常见的情形：走进厕所向前跌倒、走进厕所向后跌倒、走进厕所侧面摔倒、淋浴时摔倒、坐在马桶上摔倒、模拟厕所中各种犯病晕倒。非跌倒的场景包括以下四种情形：在厕所内正常行走、在厕所内快速行走、在厕所内随机乱走、蹲在或坐在地上。
表1
行为 次数 行为分类
走进厕所向前跌倒 20 跌倒
走进厕所向后跌倒 20 跌倒
走进厕所侧面跌倒 20 跌倒
淋浴时滑到 20 跌倒
坐在马桶上直接摔倒 20 跌倒
模拟厕所中各种犯病晕倒 20 跌倒
在厕所正常行走 20 非跌倒
在厕所快速行走 20 非跌倒
在厕所随机乱走 20 非跌倒
蹲在/坐在厕所地上 20 非跌倒
本示例性实施例中，随机森林分类器可以根据表1所示场景的样本进行训练，以便于后续实际使用中检测出目标对象在厕所内的跌倒状态。
本示例性实施例中，使用UWB雷达检测技术检测目标对象在室内是否跌倒，可以带来更高的分辨率、更低的功耗和更强的抗噪能力。而且，UWB雷达传感器安装在厕所的天花板上，使得可以从毫米波雷达信号中提取FEAT进行是否跌倒的分析，保证了检测效果。
图7为本申请实施例提供的终端的示意图。如图7所示，本申请实施例提供一种终端700，包括：存储器701和处理器702，存储器701适于存储检测程序，该检测程序被处理器702执行时实现上述实施例提供的检测方法的步骤，比如图1所示的步骤。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的示意图，并不构成对本申请方案所应用于其上的终端700的限定，终端700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，处理器702可以包括但不限于微处理器(MCU，Microcontroller Unit)或可编程逻辑器件(FPGA，Field Programmable Gate Array)等的处理装置。存储器701可用于存储应用软件的软件程序以及模块，如本实施例中的检测方法对应的程序指令或模块，处理器702通过运行存储在存储器701内的软件程序以及模块，从而执行各种功能应用以及数据处理，比如实现本实施例提供的检测方法。存储器701可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些示例中，存储器701可包括相对于处理器702远程设置的存储器，这些远程存储器可以通过网络连接至终端700。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一示例性实施方式中，终端700还可以包括：UWB雷达传感器，连接处理器702。在本示例性实施方式中，终端700的设置位置所在平面平行于检测区域内的地面，且与地面之间的垂直距离大于或等于预设值。
关于本实施例提供的终端的相关实施流程可以参照上述检测方法实施例的描述，故于此不再赘述。
图8为本申请实施例提供的检测系统的示意图。如图8所示，本实施例提供的检测系统，用于检测目标对象在检测区域内的状态，包括：UWB雷达传感器801和数据处理终端802。
其中，UWB雷达传感器801适于在检测区域内发射毫米波雷达信号，并接收返回的毫米波雷达信号；数据处理终端802，适于从UWB雷达传感器801获取接收到的毫米波雷达信号，并对接收到的毫米波雷达信号进行过滤；从过滤后的每帧毫米波雷达信号中提取适于指示目标对象在所述检测区域内的运动模式的特征；通过流窗口监测特征的起始变化点，并缓存从起始变化点开始的设定数目的特征；通过分类器对缓存的特征进行识别，确定目标对象在检测区域内的状态。
在一示例性实施方式中，UWB雷达传感器801的设置位置所在平面平行于检测区域内的地面，且与地面的垂直距离大于或等于预设值。
另外，关于本实施例提供的检测系统的相关实施过程可以参照上述检测方法和检测装置的相关描述，故于此不再赘述。
此外，本申请实施例还提供一种计算机可读介质，存储有检测程序，该检测程序被处理器执行时实现上述实施例提供的检测方法的步骤，比如，图1所示的步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上显示和描述了本申请的基本原理和主要特征和本申请的优点。本申请不受上述实施例的限制，上述实施例和说明书中描述的只是说明本申请的原理，在不脱离本申请精神和范围的前提下，本申请还会有各种变化和改进，这些变化和改进都落入要求保护的本申请范围内。

Claims (13)

1.一种检测方法，其特征在于，用于检测目标对象在检测区域内的状态；所述检测方法包括：
对所述检测区域内接收到的毫米波雷达信号进行过滤；
从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；
通过流窗口监测所述特征的起始变化点；
缓存从所述起始变化点开始的设定数目的特征；
通过分类器对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
2.根据权利要求1所述的方法，其特征在于，所述毫米波雷达信号由所述检测区域内的超宽带雷达传感器接收，所述超宽带雷达传感器的设置位置所在平面平行于所述检测区域内的地面，且与所述地面之间的垂直距离大于或等于预设值。
3.根据权利要求2所述的方法，其特征在于，所述从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征，包括：
针对过滤后的每帧毫米波雷达信号，根据所述目标对象的多个散射中心与所述超宽带雷达传感器之间的平均距离，确定适于指示所述目标对象在所述检测区域内的运动模式的特征；或者，根据所述目标对象的重心与所述超宽带雷达传感器之间的距离，确定适于指示所述目标对象在所述检测区域内的运动模式的特征。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象的多个散射中心与所述超宽带雷达传感器之间的平均距离，确定适于指示所述目标对象在所述检测区域内的运动模式的特征，包括：
按照以下式子确定适于指示所述目标对象在所述检测区域内的运动模式的特征：
其中，FEATi为从第i帧毫米波雷达信号中提取的指示所述目标对象在所述检测区域内的运动模式的特征，di为第i帧毫米波雷达信号中所述目标对象的多个散射中心与所述超宽带雷达传感器之间的平均距离，c的取值为光速。
5.根据权利要求1所述的方法，其特征在于，所述对所述检测区域内接收到的毫米波雷达信号进行过滤，包括：
针对设定时长内在所述检测区域接收到的M帧毫米波雷达信号Rk＝[Rk(1),Rk(2),......,Rk(M)]，按照以下式子对所述M帧毫米波雷达信号进行过滤：
其中，L表示所述设定时长内所述检测区域内无任何目标对象的总帧数；M和L均为整数。
6.根据权利要求1所述的方法，其特征在于，所述分类器包括：随机森林分类器。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述目标对象在所述检测区域内的状态包括：跌倒状态、非跌倒状态。
8.一种检测装置，其特征在于，用于检测目标对象在检测区域内的状态，所述检测装置，包括：
过滤模块，适于对所述检测区域内接收到的毫米波雷达信号进行过滤；
特征提取模块，适于从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；
监测模块，适于通过流窗口监测所述特征的起始变化点；
缓存模块，适于缓存从所述起始变化点开始的设定数目的特征；
分类器，适于对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
9.一种终端，其特征在于，包括：存储器和处理器，所述存储器适于存储检测程序，所述检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的检测方法的步骤。
10.根据权利要求9所述的终端，其特征在于，所述终端还包括：超宽带雷达传感器，连接所述处理器；其中，所述终端的设置位置所在平面平行于所述检测区域内的地面，且与所述地面之间的垂直距离大于或等于预设值。
11.一种检测系统，其特征在于，用于检测目标对象在检测区域内的状态，所述检测系统包括：包括：超宽带雷达传感器以及数据处理终端；
其中，所述超宽带雷达传感器适于在所述检测区域内发射毫米波雷达信号，并接收返回的毫米波雷达信号；
所述数据处理终端，适于从所述超宽带雷达传感器获取接收到的所述毫米波雷达信号，并对接收到的毫米波雷达信号进行过滤；从过滤后的每帧毫米波雷达信号中提取适于指示所述目标对象在所述检测区域内的运动模式的特征；通过流窗口监测所述特征的起始变化点，并缓存从所述起始变化点开始的设定数目的特征；通过分类器对缓存的特征进行识别，确定所述目标对象在所述检测区域内的状态。
12.根据权利要求11所述的系统，其特征在于，所述超宽带雷达传感器的设置位置所在平面平行于所述检测区域内的地面，且与所述地面的垂直距离大于或等于预设值。
13.一种计算机可读介质，其特征在于，存储有检测程序，所述检测程序被处理器执行时实现如权利要求1至7中任一项所述的检测方法的步骤。
CN201811400984.7A 2018-11-22 2018-11-22 一种检测方法、检测装置、终端及检测系统 Active CN109375217B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811400984.7A CN109375217B (zh) 2018-11-22 2018-11-22 一种检测方法、检测装置、终端及检测系统
PCT/CN2019/087355 WO2020103409A1 (zh) 2018-11-22 2019-05-17 一种检测方法、检测装置、终端及检测系统
US16/590,577 US20200166610A1 (en) 2018-11-22 2019-10-02 Detection method, detection device, terminal and detection system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811400984.7A CN109375217B (zh) 2018-11-22 2018-11-22 一种检测方法、检测装置、终端及检测系统

Publications (2)

Publication Number Publication Date
CN109375217A true CN109375217A (zh) 2019-02-22
CN109375217B CN109375217B (zh) 2020-12-08

Family

ID=65377294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811400984.7A Active CN109375217B (zh) 2018-11-22 2018-11-22 一种检测方法、检测装置、终端及检测系统

Country Status (3)

Country Link
US (1) US20200166610A1 (zh)
CN (1) CN109375217B (zh)
WO (1) WO2020103409A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110488264A (zh) * 2019-07-05 2019-11-22 珠海格力电器股份有限公司 人员检测方法、装置、电子设备及存储介质
WO2020103409A1 (zh) * 2018-11-22 2020-05-28 九牧厨卫股份有限公司 一种检测方法、检测装置、终端及检测系统
WO2020173374A1 (zh) * 2019-02-27 2020-09-03 曹可瀚 人体姿态测量方法、装置和基于此方法工作的装置
CN111856444A (zh) * 2020-07-30 2020-10-30 重庆市计量质量检测研究院 一种基于uwb多目标定位追踪方法
CN112835036A (zh) * 2020-12-29 2021-05-25 湖南时变通讯科技有限公司 一种移动分布图的生成方法、装置、设备和存储介质
CN113793478A (zh) * 2021-10-11 2021-12-14 厦门狄耐克物联智慧科技有限公司 一种微波感应卫生间跌倒报警系统
CN113892945A (zh) * 2021-12-09 2022-01-07 森思泰克河北科技有限公司 健康监护系统中多雷达的关联控制方法及控制装置
CN114005246A (zh) * 2021-01-29 2022-02-01 江苏中科西北星信息科技有限公司 一种基于调频连续波毫米波雷达的老人跌倒检测方法及装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111134685B (zh) * 2018-11-02 2022-08-09 富士通株式会社 跌倒检测方法和装置
US11546777B2 (en) * 2020-08-13 2023-01-03 Verizon Patent And Licensing Inc. Method and system for object detection based on network beamforming
CN113128390B (zh) * 2021-04-14 2023-06-30 北京奇艺世纪科技有限公司 抽检方法、装置、电子设备及存储介质
US20230008729A1 (en) * 2021-07-11 2023-01-12 Wanshih Electronic Co., Ltd. Millimeter wave radar apparatus determining fall posture
CN113687358A (zh) * 2021-08-25 2021-11-23 深圳市万集科技有限公司 目标物体的识别方法、装置、电子设备及存储介质
CN113885015B (zh) * 2021-09-28 2022-03-25 之江实验室 一种基于毫米波雷达的智能厕所系统
CN113940820B (zh) * 2021-10-18 2023-01-24 亿慧云智能科技（深圳）股份有限公司 一种智能陪护座椅机器人装置及其训练学习方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105493163A (zh) * 2013-08-26 2016-04-13 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测系统
CN106725495A (zh) * 2017-01-13 2017-05-31 深圳先进技术研究院 一种跌倒检测方法、装置及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7567200B1 (en) * 2006-04-27 2009-07-28 Josef Osterweil Method and apparatus for body position monitor and fall detect ion using radar
CN105788124A (zh) * 2014-12-19 2016-07-20 宏达国际电子股份有限公司 非接触式监测系统及其方法
CN108510707B (zh) * 2017-02-27 2020-04-28 芜湖美的厨卫电器制造有限公司 电热水器及浴室内基于电热水器的跌倒提示方法和装置
CN107290741B (zh) * 2017-06-02 2020-04-10 南京理工大学 基于加权联合距离时频变换的室内人体姿态识别方法
CN107749143B (zh) * 2017-10-30 2023-09-19 安徽工业大学 一种基于WiFi信号的穿墙室内人员跌倒探测系统及方法
CN108806190A (zh) * 2018-06-29 2018-11-13 张洪平 一种隐匿式雷达跌倒报警方法
CN109375217B (zh) * 2018-11-22 2020-12-08 九牧厨卫股份有限公司 一种检测方法、检测装置、终端及检测系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105493163A (zh) * 2013-08-26 2016-04-13 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测系统
CN106725495A (zh) * 2017-01-13 2017-05-31 深圳先进技术研究院 一种跌倒检测方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王俊 等: ""基于卷积神经网络的手势动作雷达识别方法"", 《北京航空航天大学学报》 *
蒋留兵 等: ""超宽带雷达人体动作识别"", 《电子测量与仪器学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103409A1 (zh) * 2018-11-22 2020-05-28 九牧厨卫股份有限公司 一种检测方法、检测装置、终端及检测系统
WO2020173374A1 (zh) * 2019-02-27 2020-09-03 曹可瀚 人体姿态测量方法、装置和基于此方法工作的装置
CN110488264A (zh) * 2019-07-05 2019-11-22 珠海格力电器股份有限公司 人员检测方法、装置、电子设备及存储介质
CN111856444A (zh) * 2020-07-30 2020-10-30 重庆市计量质量检测研究院 一种基于uwb多目标定位追踪方法
CN112835036A (zh) * 2020-12-29 2021-05-25 湖南时变通讯科技有限公司 一种移动分布图的生成方法、装置、设备和存储介质
CN114005246A (zh) * 2021-01-29 2022-02-01 江苏中科西北星信息科技有限公司 一种基于调频连续波毫米波雷达的老人跌倒检测方法及装置
CN114005246B (zh) * 2021-01-29 2024-01-30 江苏中科西北星信息科技有限公司 一种基于调频连续波毫米波雷达的老人跌倒检测方法及装置
CN113793478A (zh) * 2021-10-11 2021-12-14 厦门狄耐克物联智慧科技有限公司 一种微波感应卫生间跌倒报警系统
CN113892945A (zh) * 2021-12-09 2022-01-07 森思泰克河北科技有限公司 健康监护系统中多雷达的关联控制方法及控制装置
CN113892945B (zh) * 2021-12-09 2022-04-01 森思泰克河北科技有限公司 健康监护系统中多雷达的关联控制方法及控制装置

Also Published As

Publication number Publication date
CN109375217B (zh) 2020-12-08
US20200166610A1 (en) 2020-05-28
WO2020103409A1 (zh) 2020-05-28

Similar Documents

Publication Publication Date Title
CN109375217A (zh) 一种检测方法、检测装置、终端及检测系统
CN109581361A (zh) 一种检测方法、检测装置、终端以及检测系统
US20210319678A1 (en) Selective intrusion detection systems
Bocca et al. Multiple target tracking with RF sensor networks
US7345621B2 (en) Real-time multistatic radar signal processing system and method
CN110609281B (zh) 一种区域检测方法及装置
US20150260838A1 (en) Sparse Array RF Imaging for Surveillance Applications
CN107422643A (zh) 基于振动检测的智能家居监控方法及系统
Shukri et al. Device free localization technology for human detection and counting with RF sensor networks: A review
Ngamakeur et al. A survey on device-free indoor localization and tracking in the multi-resident environment
US20180313950A1 (en) CNN-Based Remote Locating and Tracking of Individuals Through Walls
US8358234B2 (en) Determination of hostile individuals armed with weapon, using respiration and heartbeat as well as spectral analysis at 60 GHz
US20090135045A1 (en) Through-the-obstacle radar system and method of operation
JP5479907B2 (ja) ネットワーク監視システム
CN110275042B (zh) 一种基于计算机视觉与无线电信号分析的高空抛物检测方法
CN112634566B (zh) 基于毫米波的智能电子围栏构建方法及系统
Bao et al. CNN-based regional people counting algorithm exploiting multi-scale range-time maps with an IR-UWB radar
CN104486833B (zh) 基于运动预测删除干扰链路的室内无线层析成像增强方法
Hillyard et al. Never use labels: Signal strength-based Bayesian device-free localization in changing environments
Pirzada et al. WLAN location fingerprinting technique for device-free indoor localization system
Yang et al. A device-free localization and size prediction system for road vehicle surveillance via UWB networks
Zhu et al. Who moved my cheese? human and non-human motion recognition with wifi
CN113313165B (zh) 一种基于雷达的人数统计方法、装置、设备及存储介质
Fujita et al. Human crowd detection for physical sensing assisted geo-social multimedia mining
US20240021062A1 (en) Target monitoring and alert system and method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant