CN109961058A - 一种非接触式跌倒检测方法及装置 - Google Patents

一种非接触式跌倒检测方法及装置 Download PDF

Info

Publication number
CN109961058A
CN109961058A CN201910270262.2A CN201910270262A CN109961058A CN 109961058 A CN109961058 A CN 109961058A CN 201910270262 A CN201910270262 A CN 201910270262A CN 109961058 A CN109961058 A CN 109961058A
Authority
CN
China
Prior art keywords
contactless
target
vital sign
detection zone
detection
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
CN201910270262.2A
Other languages
English (en)
Other versions
CN109961058B (zh
Inventor
傅其祥
夏利锋
刘进
夏祖泉
张吉楠
吴茜
王绍丽
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.)
CHANGSHA JUNMIN ADVANCED TECHNOLOGY RESEARCH Co.,Ltd.
Original Assignee
Changsha Military And Civilian Advanced Technology Research Co Ltd
Hunan Shunhong Intelligent Technology 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 Changsha Military And Civilian Advanced Technology Research Co Ltd, Hunan Shunhong Intelligent Technology Co Ltd filed Critical Changsha Military And Civilian Advanced Technology Research Co Ltd
Priority to CN201910270262.2A priority Critical patent/CN109961058B/zh
Publication of CN109961058A publication Critical patent/CN109961058A/zh
Application granted granted Critical
Publication of CN109961058B publication Critical patent/CN109961058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种非接触式跌倒检测方法及装置,通过雷达信号的实测感应强度与设定的雷达感应强度阈值的大小比较,初步区分跌倒状态和非跌倒运动状态;再进一步通过生命体征目标的位置信息得出速度值和加速度值,分别将其与设定的速度阈值及加速度阈值大小比较,确定跌倒状态。相比现有技术,解决了现有的跌倒监测设备只能得到是否发生摔倒,却无法得知具体的摔倒方式的技术问题,具有检测范围广、精度高、反应及时、检测方便且对跌倒动作识别的准确率大大提高的优点。

Description

一种非接触式跌倒检测方法及装置
技术领域
本发明涉及智能检测技术领域,特别是涉及一种非接触式跌倒检测方法及装置。
背景技术
随着世界人口走向老龄化,老年人摔倒的危害也正在逐步凸显。为了提高老人的健康生活,为这一群体提供更有保障的医疗看护,实现无人智能监测,跌倒检测的研究具有重要的现实意义。目前,跌倒检测设备主要分为:穿戴式跌倒检测设备和非穿戴式跌倒检测设备。前者主要通过佩戴在人体上或内嵌入人体的各类传感器来检测人体姿态。后者运用视频图像、红外、音频、雷达等非接触式方式来检测跌倒行为。
穿戴式跌倒检测设备需要穿戴在检测目标上,其存在佩戴舒适性问题,老年人可能会因为不舒适等原因选择放弃佩戴该类跌倒检测装置。另外,由于需要接触人体和自主佩戴,不适于传染病人、精神病人以及患有老年痴呆症等用户。非穿戴式跌倒检测设备无需被检测人群携带检测装置,而是将检测装置布置在被检测人群经常活动的环境中,间接的测量一些参数或采集信息,从而检测是否有跌倒行为的发生。检测装置主要是视频图像检测装置以及雷达检测装置。基于视频图像的跌倒检测设备其成本高,数据计算量较大,且不利于隐私保护。另外,如果光线黑暗以及人体走出摄像头监控范围,设备就无法获得数据,存在一定区域的漏检率。雷达跌倒检测装置成本低廉,具有良好的隐私保护性,并且不易受到环境因素(如天气、温度、光照等)的影响,有其他设备无法比拟的优点。但大多数都是作为视频图像检测系统中的辅助设备,并没有解决视频图像监测的问题。中国专利文献CN108378830A公开了一种监测摔倒的非接触式生命体征探测仪,其采用毫米波雷达与摄像头传感器联合监测生命体征目标,该项发明能够在一定程度上解决视频图像监测带来的问题。但其不能够有效分辨检测目标是否是生命体征目标以及检测目标的运动姿态。即雷达检测系统对是否是生命体征目标的判断存在难点,如雷达检测范围内有物品倒下或者运转,系统很可能判断为有生命体征目标。
发明内容
有鉴于此,如何研发一种能够有效分辨检测目标是否是生命体征目标以及检测目标的运动姿态的非接触式跌倒检测方法及装置,成了本领域技术人员亟需解决的问题。
一方面,本发明提供了一种非接触式跌倒检测方法,具体包括如下步骤:
S001,通过雷达信号判断生命体征目标当前时刻是否在检测区域,若是,则认为动作开始进入步骤S002;
S002,获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第一阈值,若是,则进入步骤S003;否则,则认为所述生命体征目标为非跌倒运动状态;
S003,判断所述感应强度之和是否大于第二阈值,若是,则认为存在跌倒行为的可能,进入步骤S004;否则,则认为生命体征目标为非跌倒运动状态;
S004,根据当前时刻由雷达检测的生命体征目标位置来获得速度值和加速度值;
S005,判断所述速度值是否大于第三阈值,所述加速度值是否大于第四阈值,若是,则判定所述生命体征目标跌倒;否则,则认为其为非跌倒运动状态。
进一步地,所述非跌倒运动状态包括以下几种状态:检测区域无人、正进入检测区域、正走出检测区域、处于活动状态和处于安静状态。
进一步地,在步骤S001中,若判断生命体征目标不在检测区域,则获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第五阈值,若是,则认为所述生命体征目标正走出检测区域;否则,则认为检测区域无人。
进一步地,在步骤S002中,生命体征目标的非跌倒运动状态为正进入检测区域。
进一步地,在步骤S003中,生命体征目标的非跌倒运动状态为处于安静状态。
进一步地,在步骤S005中,生命体征目标的非跌倒运动状态为处于活动状态。
另一方面,本发明还提供了一种非接触式跌倒检测装置,运用其上任一项所述的非接触式跌倒检测方法进行检测,所述检测装置包括毫米波雷达传感器、信号采集器、信号处理器、无线系统和手机APP,所述毫米波雷达传感器用于发射电磁波信号,并接收由人体反射回来的信号,所述信号采集器用于采集毫米波雷达传感器接收的数据,所述信号处理器用于调用信号采集器中的数据并进行计算,并且把计算结果实时输出给无线系统,所述无线系统实时发送检测目标的运动姿态数据给手机APP。
进一步地,所述毫米波雷达传感器工作频率为7.3GHz,探测的角度范围为10°-170°,其检测距离为4m。
进一步地,所述无线系统包含无线模块,通过无线网络将数据上传到手机APP中。
进一步地,所述手机APP中最终呈现生命体征目标的运动姿态的输出结果为0、1、2、3、4或5,其中,0表示检测区域无人,1表示处于安静状态,2表示处于运动状态,3表示正进入检测区域,4表示正走出检测区域,5表示发生跌倒。
本发明提供的非接触式跌倒检测方法及装置,彻底摆脱了传统接触式检测跌倒设备的繁琐穿戴操作,通过采集处理雷达数据能够智能的判断出在检测范围内有无生命体征目标以及其运动姿态,一旦发生跌倒的情况,能及时将信息反馈给家人或护理人员,大大提高了跌倒识别的准确率,具有检测范围广、精度高、反应及时且检测方便的优点。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明提供的非接触式跌倒检测方法一实施例的流程图;
图2为本发明中雷达对生命体征目标的感应强度与时间关系图;
图3为本发明中雷达测得的生命体征目标距离随时间变化值的关系图;
图4为本发明提供的非接触式跌倒检测装置的结构简图;
图5为本发明提供的非接触式检测跌倒场景图;
图6为本发明中非接触式检测目标运动姿态输出的结果图。
其中:1-毫米波雷达传感器 2-信号采集器
3-信号处理器 4-手机APP
5-无线模块
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是本发明提供的非接触式跌倒检测方法一实施例的流程图;图2是本发明中雷达对生命体征目标的感应强度与时间关系图;图3为本发明中雷达测得的生命体征目标距离随时间变化值的关系图。
本发明一实施例提供的非接触式跌倒检测方法,具体包括以下步骤:
S001,通过雷达信号判断生命体征目标当前时刻是否在检测区域,若是,则认为动作开始进入步骤S002;
S002,获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第一阈值,若是,则进入步骤S003;否则,则认为所述生命体征目标为非跌倒运动状态;
S003,判断所述感应强度之和是否大于第二阈值,若是,则认为存在跌倒行为的可能,进入步骤S004;否则,则认为生命体征目标为非跌倒运动状态;
S004,根据当前时刻由雷达检测的生命体征目标位置来获得速度值和加速度值;
S005,判断所述速度值是否大于第三阈值,所述加速度值是否大于第四阈值,若是,则判定所述生命体征目标跌倒;否则,则认为其为非跌倒运动状态。
需要说明的是,本发明中非跌倒运动状态具体包括以下几种状态:检测区域无人、正进入检测区域、正走出检测区域、处于活动状态和处于安静状态。
通过上述方法可以检测初生命体征目标的运动位置及姿态,一旦老人发生跌倒情况,即可将信息及时传输给家人或护理人员,使老人得到有效救治。
在另一具体实施例中,本发明的非接触式跌倒检测方法,在上一实施例的基础上,其他步骤均不变,只是在步骤S001上做进一步的判断,具体地,在步骤S001中,若判断生命体征目标不在检测区域,则获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第五阈值,若是,则认为所述生命体征目标正走出检测区域;否则,则认为检测区域无人。通过上述判断可以进一步地区分生命体征目标的运动状态。
在再一实施例中,如图1所示,本发明的非接触式跌倒检测方法,具体包括如下步骤:
S001,通过雷达信号判断生命体征目标当前时刻是否在检测区域,若是,则认为动作开始进入步骤S002;
S002,获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第一阈值,若是,则进入步骤S003;否则,则判断前一段时间内目标的感应强度之和是否大于第五阈值,若是,则认为所述生命体征目标正走出检测区域;否则,则认为检测区域无人;
S003,判断所述感应强度之和是否大于第二阈值,若是,则认为存在跌倒行为的可能,进入步骤S004;否则,则认为生命体征目标处于安静状态;
S004,根据当前时刻由雷达检测的生命体征目标位置来获得速度值和加速度值;
S005,判断所述速度值是否大于第三阈值,所述加速度值是否大于第四阈值,若是,则判定所述生命体征目标跌倒;否则,则认为其处于活动状态。
如图4所示,本发明还提供了一种非接触式跌倒检测装置,运用上述非接触式跌倒检测方法进行检测,包括毫米波雷达传感器1、信号采集器2、信号处理器3、无线系统和手机APP4,所述毫米波雷达传感器1用于发射电磁波信号,并接收由人体反射回来的信号,所述信号采集器2用于采集毫米波雷达传感器1接收的数据,所述信号处理器3用于调用信号采集器2中的数据并进行计算,并且把计算结果实时输出给无线系统,所述无线系统实时发送检测目标的运动姿态数据给手机APP4。需要说明的是,毫米波雷达传感器1为非接触式探测器。采用先进的毫米波雷达技术,其辐射功率小对人体无危害,检测范围广且分辨率能达到毫米级别,在不与人体进行任何接触的情况下,能够对生命体征目标的运动姿态进行检测,并依此经信号采集器2、信号处理器3、无线系统后,将运动姿态结果显示在手机APP4,不但能准确获知老人跌倒的信息,而且其他的运动状态亦能监控到,不会误判,准确度高。
在进一步的技术方案中,上述手机APP4中最终呈现生命体征目标的运动姿态的输出结果为0、1、2、3、4或5,其中,0表示检测区域无人,1表示处于安静状态,2表示处于运动状态,3表示正进入检测区域,4表示正走出检测区域,5表示发生跌倒。图5即为本发明中非接触式检测目标运动姿态输出的结果图。
优选地,本发明中毫米波雷达传感器1工作频率为7.3GHz,探测的角度范围为10°-170°,其检测距离为4m。图6即检测距离为4m时,雷达感应的非接触式检测跌倒的场景图。序号①、②、③、④、⑤即分别表示检测目标的运动姿态:正进入检测区域、在检测区域处于安静状态、在检测区域处于活动状态、在检测区域发生跌倒、正走出检测区域。
此外,需要提及的是,如图4所示,本发明中无线系统包含无线模块5,通过无线网络将数据上传到手机APP4中。信号采集器2采集毫米波雷达的模拟信号通过AD芯片转化为数字信号。
综上所述,本发明提供的非接触式跌倒检测方法及装置,通过雷达信号的感应强度与设定雷达感应强度阈值的大小比较,初步区分跌倒状态和非跌倒运动状态;再进一步通过生命体征目标的位置信息得出速度值和加速度值,分别将其与设定速度阈值及加速度阈值大小比较,确定跌倒状态。解决了现有的跌倒监测设备只能得到是否发生摔倒,却无法得知具体的摔倒方式的技术问题,具有检测范围广、精度高、反应及时、检测方便且对跌倒动作识别的准确率大大提高的优点。
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、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种非接触式跌倒检测方法,其特征在于,具体包括如下步骤:
S001,通过雷达信号判断生命体征目标当前时刻是否在检测区域,若是,则认为动作开始进入步骤S002;
S002,获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第一阈值,若是,则进入步骤S003;否则,则认为所述生命体征目标为非跌倒运动状态;
S003,判断所述感应强度之和是否大于第二阈值,若是,则认为存在跌倒行为的可能,进入步骤S004;否则,则认为生命体征目标为非跌倒运动状态;
S004,根据当前时刻由雷达检测的生命体征目标位置来获得速度值和加速度值;
S005,判断所述速度值是否大于第三阈值,所述加速度值是否大于第四阈值,若是,则判定所述生命体征目标跌倒;否则,则认为其为非跌倒运动状态。
2.根据权利要求1所述的非接触式跌倒检测方法,其特征在于,所述非跌倒运动状态包括以下几种状态:检测区域无人、正进入检测区域、正走出检测区域、处于活动状态和处于安静状态。
3.根据权利要求2所述的非接触式跌倒检测方法,其特征在于,在步骤S001中,若判断生命体征目标不在检测区域,则获取当前时刻前一段时间内检测区域生命体征目标的感应强度,并判断前一段时间内目标的感应强度之和是否大于第五阈值,若是,则认为所述生命体征目标正走出检测区域;否则,则认为检测区域无人。
4.根据权利要求3所述的非接触式跌倒检测方法,其特征在于,在步骤S002中,生命体征目标的非跌倒运动状态为正进入检测区域。
5.根据权利要求4所述的非接触式跌倒检测方法,其特征在于,在步骤S003中,生命体征目标的非跌倒运动状态为处于安静状态。
6.根据权利要求5所述的非接触式跌倒检测方法,其特征在于,在步骤S005中,生命体征目标的非跌倒运动状态为处于活动状态。
7.一种非接触式跌倒检测装置,其特征在于,运用权利要求1至6中任一项所述的非接触式跌倒检测方法进行检测,所述检测装置包括毫米波雷达传感器、信号采集器、信号处理器、无线系统和手机APP,所述毫米波雷达传感器用于发射电磁波信号,并接收由人体反射回来的信号,所述信号采集器用于采集毫米波雷达传感器接收的数据,所述信号处理器用于调用信号采集器中的数据并进行计算,并且把计算结果实时输出给无线系统,所述无线系统实时发送检测目标的运动姿态数据给手机APP。
8.根据权利要求7所述的非接触式跌倒检测装置,其特征在于,所述毫米波雷达传感器工作频率为7.3GHz,探测的角度范围为10°-170°,其检测距离为4m。
9.根据权利要求7所述的非接触式跌倒检测装置,其特征在于,所述无线系统包含无线模块,通过无线网络将数据上传到手机APP中。
10.根据权利要求7至9中任一项所述的非接触式跌倒检测装置,其特征在于,所述手机APP中最终呈现生命体征目标的运动姿态的输出结果为0、1、2、3、4或5,其中,0表示检测区域无人,1表示处于安静状态,2表示处于运动状态,3表示正进入检测区域,4表示正走出检测区域,5表示发生跌倒。
CN201910270262.2A 2019-04-03 2019-04-03 一种非接触式跌倒检测方法及装置 Active CN109961058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910270262.2A CN109961058B (zh) 2019-04-03 2019-04-03 一种非接触式跌倒检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910270262.2A CN109961058B (zh) 2019-04-03 2019-04-03 一种非接触式跌倒检测方法及装置

Publications (2)

Publication Number Publication Date
CN109961058A true CN109961058A (zh) 2019-07-02
CN109961058B CN109961058B (zh) 2021-06-04

Family

ID=67025745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910270262.2A Active CN109961058B (zh) 2019-04-03 2019-04-03 一种非接触式跌倒检测方法及装置

Country Status (1)

Country Link
CN (1) CN109961058B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703241A (zh) * 2019-09-26 2020-01-17 弗徕威智能机器人科技(上海)有限公司 一种基于uwb雷达的人体摔倒检测自适应系统和装置
CN110946587A (zh) * 2019-12-19 2020-04-03 山东省科学院自动化研究所 一种淋浴中跌倒的快速检测方法及系统
CN111414829A (zh) * 2020-03-13 2020-07-14 珠海格力电器股份有限公司 一种发送报警信息的方法和装置
CN111680651A (zh) * 2020-06-12 2020-09-18 武汉星巡智能科技有限公司 非接触式生命体征检测方法、装置、存储介质及系统
CN112327288A (zh) * 2020-10-29 2021-02-05 深圳大学 雷达人体动作识别方法、装置、电子设备和存储介质
CN112617813A (zh) * 2020-12-15 2021-04-09 南京邮电大学 一种基于多传感器的非侵入式跌倒检测方法及系统
CN112782681A (zh) * 2020-12-31 2021-05-11 杭州电子科技大学 基于毫米波与物联网的室内定位与跌倒检测系统及方法
CN113009463A (zh) * 2021-01-29 2021-06-22 杭州涂鸦信息技术有限公司 一种人体检测方法及装置
CN113687350A (zh) * 2021-08-24 2021-11-23 杭州海康威视数字技术股份有限公司 一种跌倒检测方法、装置、电子设备及存储介质
CN113757959A (zh) * 2020-06-05 2021-12-07 广东美的制冷设备有限公司 空调器及其人体检测模块控制方法和可读存储介质
US11604254B2 (en) 2019-08-16 2023-03-14 Fujitsu Limited Radar-based posture recognition apparatus and method and electronic device
CN117831224A (zh) * 2024-02-29 2024-04-05 深圳市迈远科技有限公司 基于毫米雷达的跌倒报警方法、装置、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508256A (zh) * 2011-11-23 2012-06-20 中国科学院微电子研究所 非接触式实时生理信号监测系统
CN105336102A (zh) * 2015-11-25 2016-02-17 青岛理工大学 摔倒检测定位方法和装置
CN105708470A (zh) * 2016-01-21 2016-06-29 山东大学 基于多普勒探测器与传感器联合的跌倒检测系统和方法
CN106344035A (zh) * 2016-11-01 2017-01-25 成都铅笔科技有限公司 一种人体健康监控系统
CN106611154A (zh) * 2016-09-07 2017-05-03 深圳市保千里电子有限公司 基于人体电波的行人检测系统及检测方法
CN107404626A (zh) * 2017-06-28 2017-11-28 重庆柚瓣科技有限公司 一种基于机器人的视频直播系统
CN107655161A (zh) * 2017-08-18 2018-02-02 青岛海尔空调器有限总公司 具有监护功能空调器的控制方法及空调器
CN108378830A (zh) * 2018-03-09 2018-08-10 芜湖博高光电科技股份有限公司 一种监测摔倒的非接触式生命体征探测仪
CN108806190A (zh) * 2018-06-29 2018-11-13 张洪平 一种隐匿式雷达跌倒报警方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508256A (zh) * 2011-11-23 2012-06-20 中国科学院微电子研究所 非接触式实时生理信号监测系统
CN105336102A (zh) * 2015-11-25 2016-02-17 青岛理工大学 摔倒检测定位方法和装置
CN105708470A (zh) * 2016-01-21 2016-06-29 山东大学 基于多普勒探测器与传感器联合的跌倒检测系统和方法
CN106611154A (zh) * 2016-09-07 2017-05-03 深圳市保千里电子有限公司 基于人体电波的行人检测系统及检测方法
CN106344035A (zh) * 2016-11-01 2017-01-25 成都铅笔科技有限公司 一种人体健康监控系统
CN107404626A (zh) * 2017-06-28 2017-11-28 重庆柚瓣科技有限公司 一种基于机器人的视频直播系统
CN107655161A (zh) * 2017-08-18 2018-02-02 青岛海尔空调器有限总公司 具有监护功能空调器的控制方法及空调器
CN108378830A (zh) * 2018-03-09 2018-08-10 芜湖博高光电科技股份有限公司 一种监测摔倒的非接触式生命体征探测仪
CN108806190A (zh) * 2018-06-29 2018-11-13 张洪平 一种隐匿式雷达跌倒报警方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
崔丽辉: "基于超宽带雷达的生命体征信息检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
廖志成: "基于超宽带雷达的人体姿态识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王亚丽: "基于毫米波雷达与机器视觉融合的前方车辆检测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
田永毅等: "基于GSM的远程医疗呼救系统设计", 《电子设计工程》 *
胡巍: "基于多普勒雷达的非接触式生命体征检测技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *
陈旻罡: "基于多普勒雷达的跌倒检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11604254B2 (en) 2019-08-16 2023-03-14 Fujitsu Limited Radar-based posture recognition apparatus and method and electronic device
CN110703241A (zh) * 2019-09-26 2020-01-17 弗徕威智能机器人科技(上海)有限公司 一种基于uwb雷达的人体摔倒检测自适应系统和装置
CN110946587B (zh) * 2019-12-19 2022-06-24 山东省科学院自动化研究所 一种淋浴中跌倒的快速检测方法及系统
CN110946587A (zh) * 2019-12-19 2020-04-03 山东省科学院自动化研究所 一种淋浴中跌倒的快速检测方法及系统
CN111414829B (zh) * 2020-03-13 2024-03-15 珠海格力电器股份有限公司 一种发送报警信息的方法和装置
CN111414829A (zh) * 2020-03-13 2020-07-14 珠海格力电器股份有限公司 一种发送报警信息的方法和装置
CN113757959A (zh) * 2020-06-05 2021-12-07 广东美的制冷设备有限公司 空调器及其人体检测模块控制方法和可读存储介质
CN113757959B (zh) * 2020-06-05 2022-09-27 广东美的制冷设备有限公司 空调器及其人体检测模块控制方法和可读存储介质
CN111680651A (zh) * 2020-06-12 2020-09-18 武汉星巡智能科技有限公司 非接触式生命体征检测方法、装置、存储介质及系统
CN112327288A (zh) * 2020-10-29 2021-02-05 深圳大学 雷达人体动作识别方法、装置、电子设备和存储介质
CN112617813A (zh) * 2020-12-15 2021-04-09 南京邮电大学 一种基于多传感器的非侵入式跌倒检测方法及系统
CN112617813B (zh) * 2020-12-15 2023-02-14 南京邮电大学 一种基于多传感器的非侵入式跌倒检测方法及系统
CN112782681A (zh) * 2020-12-31 2021-05-11 杭州电子科技大学 基于毫米波与物联网的室内定位与跌倒检测系统及方法
CN112782681B (zh) * 2020-12-31 2024-05-24 杭州电子科技大学 基于毫米波与物联网的室内定位与跌倒检测系统及方法
CN113009463B (zh) * 2021-01-29 2023-04-18 杭州涂鸦信息技术有限公司 一种人体检测方法及装置
CN113009463A (zh) * 2021-01-29 2021-06-22 杭州涂鸦信息技术有限公司 一种人体检测方法及装置
CN113687350A (zh) * 2021-08-24 2021-11-23 杭州海康威视数字技术股份有限公司 一种跌倒检测方法、装置、电子设备及存储介质
CN113687350B (zh) * 2021-08-24 2024-04-05 杭州海康威视数字技术股份有限公司 一种跌倒检测方法、装置、电子设备及存储介质
CN117831224A (zh) * 2024-02-29 2024-04-05 深圳市迈远科技有限公司 基于毫米雷达的跌倒报警方法、装置、设备及介质
CN117831224B (zh) * 2024-02-29 2024-05-24 深圳市迈远科技有限公司 基于毫米雷达的跌倒报警方法、装置、设备及介质

Also Published As

Publication number Publication date
CN109961058B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN109961058A (zh) 一种非接触式跌倒检测方法及装置
Vallabh et al. Fall detection monitoring systems: a comprehensive review
Deep et al. A survey on anomalous behavior detection for elderly care using dense-sensing networks
Gu et al. Paws: Passive human activity recognition based on wifi ambient signals
Hijaz et al. Survey of fall detection and daily activity monitoring techniques
Yuan et al. Power-efficient interrupt-driven algorithms for fall detection and classification of activities of daily living
Zhuang et al. Design of human activity recognition algorithms based on a single wearable IMU sensor
CN106652346A (zh) 一种老年人居家养老监护系统
Zhang et al. Situation awareness inferred from posture transition and location: derived from smartphone and smart home sensors
Spasova et al. A survey on automatic fall detection in the context of ambient assisted living systems
Rana et al. Gait velocity estimation using time-interleaved between consecutive passive IR sensor activations
Yang et al. Fall detection system based on infrared array sensor and multi-dimensional feature fusion
Peng et al. Design and development of the fall detection system based on point cloud
Li et al. Collaborative fall detection using smart phone and Kinect
Sun et al. Fall detection algorithm for the elderly based on human posture estimation
Lo et al. Wireless body area network node localization using small-scale spatial information
CN114469076B (zh) 一种融合身份特征的独居老人跌倒识别方法及系统
CN204190864U (zh) 具看护功能的自动监视系统
Ye et al. A falling detection system with wireless sensor for the elderly people based on ergnomics
Grokop et al. Activity and device position recognition in mobile devices
KR20200130234A (ko) 카메라 모듈 및 무선통신 장치를 활용하여 이벤트감지를 수행하는 웨어러블 기기
Xu et al. A two-step fall detection algorithm combining threshold-based method and convolutional neural network
Qu et al. Convolutional neural network for human behavior recognition based on smart bracelet
CN105890770A (zh) 基于热释电技术的人体状态检测装置
Chen et al. Improve the Accuracy of Fall Detection Based on Artificial Intelligence Algorithm.

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200512

Address after: No.39 Jianshan Road, high tech Development Zone, Yuelu District, Changsha City, Hunan Province

Applicant after: CHANGSHA JUNMIN ADVANCED TECHNOLOGY RESEARCH Co.,Ltd.

Address before: 410205 Room G0224, Headquarters Building, Changsha Zhongdian Software Park Co., Ltd., 39 Jianshan Road, Changsha High-tech Development Zone, Hunan Province

Applicant before: HUNAN SHUNHONG INTELLIGENT TECHNOLOGY Co.,Ltd.

Applicant before: CHANGSHA JUNMIN ADVANCED TECHNOLOGY RESEARCH Co.,Ltd.

GR01 Patent grant
GR01 Patent grant