CN110850404A - 基于微波雷达的动作识别装置及方法、电子设备 - Google Patents
基于微波雷达的动作识别装置及方法、电子设备 Download PDFInfo
- Publication number
- CN110850404A CN110850404A CN201810947848.3A CN201810947848A CN110850404A CN 110850404 A CN110850404 A CN 110850404A CN 201810947848 A CN201810947848 A CN 201810947848A CN 110850404 A CN110850404 A CN 110850404A
- Authority
- CN
- China
- Prior art keywords
- recognition
- information
- motion
- time
- unit
- 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
Links
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种基于微波雷达的动作识别装置及方法、电子设备,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种基于微波雷达的动作识别装置及方法、电子设备。
背景技术
近年来,动作识别在各个领域应用广泛。例如,人体动作识别在医疗健康、智能看护、动作捕捉等领域具有广泛的应用。当前社会老龄化趋势加剧,独居老人数量急剧增加,为老人提供危险动作检测服务能够在危险发生时及时告警并提供救助,因此具有重要的意义。
人体动作识别可基于视频影像或基于集成了惯性传感单元(IMU,Inertialmeasurement unit)的可穿戴设备收集的信息来进行,但是,基于视频影像的人体动作识别容易侵犯检测对象的家居隐私,而基于可穿戴设备的人体动作识别需要检测对象一直穿戴该设备,使用不便且识别精度不高。
为了解决上述问题,出现了基于微波雷达的人体动作识别方法,该方法通过微波雷达收集检测对象反射的微波信号进行动作的识别。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现,现有的基于微波雷达的人体动作识别方法存在以下的问题:首先,现有的方法一般采用的是具有线阵天线的微波雷达,其能够获得的信息量较少,能够识别的动作类型较少且识别精度较低;并且,现有的方法一般直接根据实时收集的信息进行识别,数据的准确性较低从而识别精度较低;另外,现有的方法一般通过确定性的判决方式直接识别各种动作类型,其容易发生识别错误和识别遗漏。
本发明实施例提供一种基于微波雷达的动作识别装置及方法、电子设备,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
根据本发明实施例的第一方面,提供一种基于微波雷达的动作识别装置,包括:特征提取单元,其用于对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,所述特征信息包括平均速率信息、反射点分布信息以及平均高度信息;第一识别单元,其用于根据预设的时间窗口内的所述平均速率信息和所述反射点分布信息,对所述检测对象的动作类型进行模糊识别,所述时间窗口包括至少一个所述单位时间;以及第二识别单元,其用于针对所述第一识别单元的模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别。
根据本发明实施例的第二方面,提供一种电子设备,包括根据本发明实施例的第一方面所述的装置。
根据本发明实施例的第三方面,提供一种动作识别系统,包括:微波雷达,其具有信号发射部和信号接收部,所述信号发射部向检测对象所在的空间发射微波信号,所述信号接收部接收由包含所述检测对象的物体反射的反射信号,得到反射点的信息;以及根据本发明实施例的第一方面所述的装置,其根据所述反射点的信息进行所述检测对象的动作识别。
根据本发明实施例的第四方面,提供一种基于微波雷达的动作识别方法,包括:对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,所述特征信息包括平均速率信息、反射点分布信息以及平均高度信息;根据预设的时间窗口内的所述平均速率信息和所述反射点分布信息,对所述检测对象的动作类型进行模糊识别,所述时间窗口包括至少一个所述单位时间;以及针对所述模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别。
本发明的有益效果在于:根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的基于微波雷达的动作识别装置的一示意图;
图2是本发明实施例1的第一识别结果的一示意图;
图3是本发明实施例1的第二识别结果的一示意图;
图4是本发明实施例1的第二识别单元的一示意图;
图5是本发明实施例2的电子设备的一示意图;
图6是本发明实施例2的电子设备的系统构成的一示意框图;
图7是本发明实施例3的动作识别系统的一示意图;
图8是本发明实施例4的基于微波雷达的动作识别方法的一示意图;
图9是本发明实施例4的基于微波雷达的动作识别方法的另一示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本实施例提供一种基于微波雷达的动作识别装置,图1是本发明实施例1的基于微波雷达的动作识别装置的一示意图。如图1所示,基于微波雷达的动作识别装置100包括:
特征提取单元101,其用于对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息;
第一识别单元102,其用于根据预设的时间窗口内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别,该时间窗口包括至少一个单位时间;以及
第二识别单元103,其用于针对该第一识别单元的模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的该平均高度信息进行识别。
由上述实施例可知,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
在本实施例中,该基于微波雷达的动作识别装置可以用于各种检测对象的动作识别。在本实例中,以人体作为检测对象为例进行示例性的说明。
在本实施例中,特征提取单元101对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息。
在本实施例中,该微波雷达能够获得检测对象的高度信息,例如,该微波雷达是具有三维天线阵列的微波雷达。
微波雷达在对检测对象进行检测时,其向检测对象所在的空间发出微波信号,部分微波信号被检测对象以及其他物体反射,反射微波信号的点被称为反射点。
在本实施例中,反射点的信息可以以该反射点的三维坐标位置来表示,例如,反射点的三维坐标位置可以表示为:
l=[x,y,z]=[rcos(θ)cos(α),rcos(θ)sin(α),rsin(θ)] (1)
其中,[x,y,z]表示该反射点的三维坐标,θ表示该反射点的垂直方位角,α表示该反射点的水平方位角,r表示该反射点到微波雷达的距离。
在本实施例中,特征提取单元101是对单位时间内的所有反射点的信息进行处理,得到检测对象在单位时间内的特征信息。
例如,该单位时间是一帧时间,该一帧时间例如是50ms。
例如,特征提取单元101对单位时间内的所有反射点的信息进行处理,获得单位时间内的所有反射点的三维坐标位置。然后,对所有反射点的三维坐标位置采用具有噪声的且基于密度的聚类算法(Density-based Spatial Clustering of Applications withNoise,DBSCAN)进行处理,获得属于检测对象(例如人体)的反射点的聚类结果,即得到属于检测对象的所有反射点。
接着,对一帧时间内的属于检测对象的所有反射点的三维坐标位置进行统计,得到检测对象在一帧时间内的特征信息,例如,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息。
例如,该反射点分布信息是平均反射点分布大小,以refsize表示,反射点分布大小可以通过反射点之间的最大距离值进行度量;
例如,该平均高度信息是反射点在一帧时间内的高度的平均值,以h表示。
在本实施例中,特征提取单元101提取的是一个单位时间内的特征信息,而由于在各个单位时间内,反射点的数量可能是不同的,通过提取各个单位时间内的特征统计信息用于动作识别,能够提高数据的准确性,从而提高识别精度。
在本实施例中,第一识别单元102根据预设的时间窗口内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别。
在本实施例中,该时间窗口包括至少一个单位时间,例如,该时间窗口包括10个单位时间,每个时间单元是50ms,那么该实际窗口例如为0.5s。
例如,将当前时刻之前一个时间窗口的时间段称为当前时间窗口Wt,例如,当前时刻之前0.5s到当前时刻的时间段为当前时间窗口Wt。第一识别单元102可以根据当前时间窗口Wt内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别。
在本实施例中,在模糊识别中,检测对象的动作类型可以根据具体的检测对象而设置。
例如,对于作为检测对象的人体,检测类型可以包括:静止(static)、躺下(lying)、正常动作(normal)、快速动作(fast)、快速摔倒(fall)等。
其中,“静止”不包括“躺下”,其可以包括站、坐等;“正常动作”可以包括弯腰、走、摆臂等中等速率或慢速的动作;“快速动作”可以包括跑、跳跃等速度较快的动作;“快速摔倒”是指速度较快的摔倒,例如走或跑中的突然绊倒。
在本实施例中,该第一识别单元102可以结合根据该平均速率信息而获得的第一识别结果和根据该反射点分布信息而获得的第二识别结果,对该检测对象的动作类型进行模糊识别。
图2是本发明实施例1的第一识别结果的一示意图,图3是本发明实施例1的第二识别结果的一示意图。
第一识别结果根据平均速率信息所在的区间而具有不同的识别结果,例如,如图2所示,当在区间A内时,其识别结果为“静止”或“躺下”,当在区间B内时,其识别结果为正常动作”或“躺下”,当在区间C内时,其识别结果为“正常动作”,当在区间D内时,其识别结果为“正常动作”或“快速动作”或“快速摔倒”,当在区间E内时,其识别结果为“快速动作”或“快速摔倒”。
第二识别结果根据反射点分布信息refsize所在的区间而具有不同的识别结果,例如,如图3所示,当refsize在区间1内时,其识别结果为“静止”或“正常动作”,当refsize在区间2内时,其识别结果为“躺下”、“快速动作”、“快速摔倒”以及“正常动作”中的一个,当refsize在区间3内时,其识别结果为“躺下”、“快速动作”以及“快速摔倒”中的一个。
在本实施例中,上述各个区间的具体数值范围可以根据实际需要而设置。
可见,结合第一识别结果和第二识别结果,能够对检测对象的动作类型进行模糊识别。
但是,对于某些情况,第二识别单元102结合第一识别结合和第二识别结果无法区分出具体的动作类型。
对于第一识别单元102进行模糊识别后不能区分的动作类型,第二识别单元103根据包括至少两个时间窗口的时间区间内的该平均高度信息进行识别。
在本实施例中,第二识别单元103利用了相比于第一识别单元102利用的特征统计时间更长的统计时间内的平均高度信息进行识别,即针对模糊识别不能区分的动作类型进行解模糊识别,从而能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
以下,对第二识别单元103的结构以及识别方法进行示例性的说明。
图4是本发明实施例1的第二识别单元的一示意图。如图4所示,第二识别单元103包括:
第三识别单元401,其用于针对该模糊识别不能区分的动作类型,根据包括至少两个该时间窗口的第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果进行识别,判定该检测对象的动作类型是否为躺下;以及
第四识别单元402,其用于针对第三识别单元判定该检测对象的动作类型是躺下的情况,根据第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行识别。
在本实施例中,该时间区间是第一时间区间或第二时间区间,该第二时间区间大于该第一时间区间。
在本实施例中,该第三识别单元401针对第一识别单元102的模糊识别不能区分的动作类型进行识别。
例如,第一识别单元102的模糊识别不能区分的动作类型包括第一组动作类型和第二组动作类型,第一组动作类型包括躺下和正常动作,第二组动作类型包括快速摔倒和快速动作。
对于第一组动作类型,该第三识别单元401在该第一时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值的情况下,将该检测对象的动作类型判定为躺下,否则判定为正常动作;
对于第二组动作类型,该第三识别单元401在该第一时间区间内的平均高度小于该第一阈值的时间窗口的比例大于该第二阈值的情况下,将该检测对象的动作类型判定为快速摔倒,否则判定为快速动作。
在本实施例中,该第一时间区间包括至少两个时间窗口,例如,该第一时间区间包括4个时间窗口。
该第一阈值和第二阈值可以根据实际需要而设置,例如,该第一阈值为0.75m,该第二阈值为50%。
例如,将当前时刻之前一个时间窗口的时间段称为当前时间窗口Wt,例如,当前时刻之前0.5s到当前时刻的时间段为当前时间窗口Wt,又称为第一时间窗口Wt;当前时刻之后的0.5s的时间段为第二时间窗口Wt+1,第二时间窗口Wt+1之后的0.5s的时间段为第三时间窗口Wt+2,第三时间窗口Wt+2之后的0.5s的时间段为第四时间窗口Wt+3。
该第三识别单元401根据第一时间窗口Wt至第四时间窗口Wt+3的各个时间窗口的平均高度进行识别。
例如,对于模糊识别不能区分的躺下和正常动作,第一时间窗口Wt的平均高度ht小于第一阈值,第二时间窗口Wt+1的平均高度ht+1小于第一阈值,第三时间窗口Wt+2的平均高度ht+2大于第一阈值,第四时间窗口Wt+1的平均高度ht+1小于第一阈值,那么平均高度小于一阈值的时间窗口的比例为75%,其大于50%,因此,该第三识别单元401将检测对象的动作类型判定为躺下。
又例如,对于模糊识别不能区分的快速摔倒和快速动作,第一时间窗口Wt的平均高度ht小于第一阈值,第二时间窗口Wt+1的平均高度ht+1大于第一阈值,第三时间窗口Wt+2的平均高度ht+2大于第一阈值,第四时间窗口Wt+1的平均高度ht+1大于第一阈值,那么平均高度小于第一阈值的时间窗口的比例为25%,其小于50%,因此,该第三识别单元401将检测对象的动作类型判定为快速动作。
而“躺下”又可能进一步包括正常躺下以及缓慢摔倒,例如,晕倒。
在本实施例中,该第四识别单元402针对该第三识别单元401判定该检测对象的动作类型是躺下的情况,根据第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行识别。
例如,该第四识别单元在该第二时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值的情况下,将该检测对象的动作类型判定为缓慢摔倒,否则判定为正常躺下。
这样,针对检测对象有可能缓慢摔倒的情况,能够进一步的区分出缓慢摔倒与正常躺下。
该第二时间区间大于该第一时间区间,例如,该第一时间区间包括4个时间窗口,该第二时间区间包括8个时间窗口。
同样的,该第一阈值和第二阈值可以根据实际需要而设置,例如,该第一阈值为0.75m,该第二阈值为50%。
例如,当前时刻之前0.5s到当前时刻的时间段为当前时间窗口Wt,又称为第一时间窗口Wt;当前时刻之后的0.5s的时间段为第二时间窗口Wt+1,第二时间窗口Wt+1之后的0.5s的时间段为第三时间窗口Wt+2,以此类推,共划分为第一窗口Wt至第八窗口Wt+7的8个窗口。
该第四识别单元402根据第一时间窗口Wt至第八时间窗口Wt+7的各个时间窗口的平均高度进行识别。
例如,在第一时间窗口Wt至第八时间窗口Wt+7的各个时间窗口中,平均高度小于第一阈值的时间窗口的数量为5,平均高度大于或等于第一阈值的时间窗口的数量为3,则平均高度小于第一阈值的时间窗口的比例为5/8=62.5%,其大于50%,则将该检测对象的动作类型判定为缓慢摔倒。
在本实施例中,该第四识别单元402还可以结合检测对象的位置进行识别,例如,该第四识别单元402可以根据该第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果以及该检测对象的位置与预设区域的位置关系进行识别。
例如,该预设区域是微波雷达的监测范围内的能够躺卧的地点,例如,床、沙发所在的区域。
例如,在该第二时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值且该检测对象的位置位于该预设区域以外的情况下,将该检测对象的动作类型判定为缓慢摔倒,否则,即使该第二时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值,但是该检测对象的位置位于该预设区域以内,则认为该检测对象在能够躺卧的地点正常的躺下,从而将该检测对象的动作类型判定为正常躺下。
另外,该第四识别单元402也可以不结合该检测对象的位置与预设区域的位置关系进行识别,即直接根据该第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行判定。
在本实施例中,如图1所示,该装置100还可以包括:
阈值确定单元104,其用于调整该微波雷达向该检测对象发射微波信号的天线角度,且保持该第一阈值不变,或者,将该第一阈值设置为随着该检测对象与该微波雷达的距离的变化而变化。
例如,阈值确定单元104调整该微波雷达向该检测对象发射微波信号的天线角度,例如将该天线角度向下倾斜1~5°,从而能够近似的补偿与微波雷达距离较远的检测对象的高度测量误差,此时,该第一阈值保持不变,例如是0.75m。
又例如,阈值确定单元104将该第一阈值设置为随着该检测对象与该微波雷达的距离的变化而变化。例如,可以通过预设的关系式来限定该第一阈值和该检测对象与该微波雷达的距离的关系。
例如,可以根据以下的公式(2)确定该第一阈值:
其中,hth表示该第一阈值,d表示该检测对象与该微波雷达的距离,其单位为m。
这样,通过调整天线角度并保持该第一阈值,或者,通过根据检测对象与微波雷达的距离来调整该第一阈值,能够提高检测对象的高度信息的测量结果,从而进一步提高识别精度。
由上述实施例可知,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
实施例2
本发明实施例还提供了一种电子设备,图5是本发明实施例2的电子设备的一示意图。如图5所示,电子设备500包括基于微波雷达的动作识别装置501,其中,基于微波雷达的动作识别装置501的结构和功能与实施例1中的记载相同,此处不再赘述。
图6是本发明实施例2的电子设备的系统构成的一示意框图。如图6所示,电子设备600可以包括中央处理器601和存储器602;存储器602耦合到中央处理器601。该图是示例性的;还可以使用其它类型的结构,来补充或代替该结构,以实现电信功能或其它功能。
如图6所示,该电子设备600还可以包括:输入单元603、显示器604、电源605。
在一个实施方式中,实施例1所述的基于微波雷达的动作识别装置的功能可以被集成到中央处理器601中。其中,中央处理器601可以被配置为:对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在该单位时间内的特征信息,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息;根据预设的时间窗口内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别,该时间窗口包括至少一个该单位时间;以及针对该模糊识别不能区分的动作类型,根据包括至少两个该时间窗口的时间区间内的该平均高度信息进行识别。
例如,该根据预设的时间窗口内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别,包括:结合根据该平均速率信息而获得的第一识别结果和根据该反射点分布信息而获得的第二识别结果,对该检测对象的动作类型进行模糊识别。
例如,该时间区间是第一时间区间或第二时间区间,该第二时间区间大于该第一时间区间,该针对该模糊识别不能区分的动作类型,根据包括至少两个该时间窗口的时间区间内的该平均高度信息进行识别,包括:针对该模糊识别不能区分的动作类型,根据第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果进行识别,判定该检测对象的动作类型是否为躺下;以及针对判定该检测对象的动作类型是躺下的情况,根据第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行识别。
例如,该模糊识别不能区分的动作类型包括第一组动作类型和第二组动作类型,第一组动作类型包括躺下和正常动作,第二组动作类型包括快速摔倒和快速动作,该针对该模糊识别不能区分的动作类型,根据包括至少两个该时间窗口的时间区间内的该平均高度信息进行识别,包括:对于第一组动作类型,在该第一时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值的情况下,将该检测对象的动作类型判定为躺下,否则判定为正常动作;对于第二组动作类型,在该第一时间区间内的平均高度小于该第一阈值的时间窗口的比例大于该第二阈值的情况下,将该检测对象的动作类型判定为快速摔倒,否则判定为快速动作。
例如,该根据第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行识别,包括:在该第二时间区间内的平均高度小于该第一阈值的时间窗口的比例大于第二阈值的情况下,将该检测对象的动作类型判定为缓慢摔倒,否则判定为正常躺下。
例如,该根据第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果进行识别,包括:根据该第二时间区间内的各个时间窗口的平均高度与该第一阈值的比较结果以及该检测对象的位置与预设区域的位置关系进行识别。
例如,中央处理器601还可以被配置为:调整该微波雷达向该检测对象发射微波信号的天线角度,且保持该第一阈值不变,或者,将该第一阈值设置为随着该检测对象与该微波雷达的距离的变化而变化。
在另一个实施方式中,实施例1所述的基于微波雷达的动作识别装置可以与中央处理器601分开配置,例如可以将该基于微波雷达的动作识别装置为与中央处理器601连接的芯片,通过中央处理器601的控制来实现该基于微波雷达的动作识别装置的功能。
在本实施例中电子设备600也并不是必须要包括图6中所示的所有部件。
如图6所示,中央处理器601有时也称为控制器或操作控件,可以包括微处理器或其它处理器装置和/或逻辑装置,中央处理器601接收输入并控制电子设备600的各个部件的操作。
存储器602,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。并且中央处理器601可执行该存储器602存储的该程序,以实现信息存储或处理等。其它部件的功能与现有类似,此处不再赘述。电子设备600的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本发明的范围。
由上述实施例可知,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
实施例3
本发明实施例还提供一种动作识别系统,其包括微波雷达以及基于微波雷达的动作识别装置,该动作识别装置的结构和功能与实施例1中的记载相同,具体的内容不再重复说明。
图7是本发明实施例3的动作识别系统的一示意图,如图7所示,动作识别系统700包括:
微波雷达710,其具有信号发射部711和信号接收部712,该信号发射部711向检测对象所在的空间发射微波信号,该信号接收部接收由包含该检测对象的物体反射的反射信号,得到反射点的信息;以及
动作识别装置720,其根据该反射点的信息进行该检测对象的动作识别。
在本实施例中,该微波雷达710能够获得检测对象的高度信息,例如,该微波雷达710是具有三维天线阵列的微波雷达。该微波雷达710信号发射部711和信号接收部712的具体结构和功能可以参考现有技术。
在本实施例中,动作识别装置720的结构和功能与实施例1中的记载相同,具体的内容不再重复说明。
由上述实施例可知,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
实施例4
本发明实施例还提供一种基于微波雷达的动作识别方法,其对应于实施例1的基于微波雷达的动作识别装置。图8是本发明实施例4的基于微波雷达的动作识别方法的一示意图。如图8所示,该方法包括:
步骤801:对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在该单位时间内的特征信息,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息;
步骤802:根据预设的时间窗口内的该平均速率信息和该反射点分布信息,对该检测对象的动作类型进行模糊识别,该时间窗口包括至少一个该单位时间;以及
步骤803:针对该模糊识别不能区分的动作类型,根据包括至少两个该时间窗口的时间区间内的该平均高度信息进行识别。
在本实施例中,上述各个步骤中的具体实现方法与实施例1中的记载相同,此处不再赘述。
图9是本发明实施例4的基于微波雷达的动作识别方法的另一示意图。如图9所示,该方法包括:
步骤901:对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在该单位时间内的特征信息,该特征信息包括平均速率信息、反射点分布信息以及平均高度信息;
步骤902:结合根据该平均速率信息而获得的第一识别结果和根据该反射点分布信息而获得的第二识别结果,对该检测对象的动作类型进行模糊识别;
步骤903:针对该模糊识别不能区分的快速摔倒和快速动作,确定第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果;
步骤904:判断该第一时间区间内的平均高度小于第一阈值的时间窗口的比例是否大于第二阈值,当判断结果为“是”时,进入步骤905,当判断结果为“否”时,进入步骤906;
步骤905:将该检测对象的动作类型判定为快速摔倒;
步骤906:将该检测对象的动作类型判定为快速动作;
步骤907:针对该模糊识别不能区分的躺下和正常动作,确定第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果;
步骤908:判断该第一时间区间内的平均高度小于第一阈值的时间窗口的比例是否大于第二阈值,当判断结果为“否”时,进入步骤909,当判断结果为“是”时,进入步骤910;
步骤909:将该检测对象的动作类型判定为正常动作;
步骤910:将该检测对象的动作类型判定为躺下;
步骤911:确定第二时间区间内的各个时间窗口的平均高度与第一阈值的比较结果;
步骤912:判断该第二时间区间内的平均高度小于第一阈值的时间窗口的比例是否大于第二阈值,当判断结果为“是”时,进入步骤913,当判断结果为“否”时,进入步骤914;
步骤913:将该检测对象的动作类型判定为缓慢摔倒;
步骤914:将该检测对象的动作类型判定为正常躺下。
在本实施例中,在步骤905、906、909、913或914之后结束进程。
在本实施例中,上述各个步骤中的具体实现方法与实施例1中的记载相同,此处不再赘述。
由上述实施例可知,根据检测对象在时间窗口内的平均速率信息、反射点分布信息以及平均高度信息进行模糊识别,并针对模糊识别不能区分的动作类型,根据更长时间内的平均高度信息进行进一步的识别,其利用的信息量较多且使用的是各段时间内的特征信息的统计数据,并且,其采用的识别方式是模糊识别加上进一步识别的分段识别方式,因此,能够识别较多的动作类型且识别精度较高,并避免了识别错误和识别遗漏。
本发明实施例还提供一种计算机可读程序,其中当在基于微波雷达的动作识别装置或电子设备中执行所述程序时,所述程序使得计算机在所述基于微波雷达的动作识别装置或电子设备中执行实施例4所述的基于微波雷达的动作识别方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在基于微波雷达的动作识别装置或电子设备中执行实施例4所述的基于微波雷达的动作识别方法。
结合本发明实施例描述的在基于微波雷达的动作识别装置或电子设备中执行基于微波雷达的动作识别方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图8所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(例如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种基于微波雷达的动作识别方法,包括:
对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,所述特征信息包括平均速率信息、反射点分布信息以及平均高度信息;
根据预设的时间窗口内的所述平均速率信息和所述反射点分布信息,对所述检测对象的动作类型进行模糊识别,所述时间窗口包括至少一个所述单位时间;以及
针对所述模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别。
附记2、根据附记1所述的方法,其中,
所述根据预设的时间窗口内的所述平均速率信息和所述反射点分布信息,对所述检测对象的动作类型进行模糊识别,包括:
结合根据所述平均速率信息而获得的第一识别结果和根据所述反射点分布信息而获得的第二识别结果,对所述检测对象的动作类型进行模糊识别。
附记3、根据附记1所述的方法,其中,所述时间区间是第一时间区间或第二时间区间,所述第二时间区间大于所述第一时间区间,
所述针对所述模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别,包括:
针对所述模糊识别不能区分的动作类型,根据第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果进行识别,并判定所述检测对象的动作类型是否为躺下;以及
针对判定所述检测对象的动作类型是躺下的情况,根据第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果进行识别。
附记4、根据附记3所述的方法,其中,
所述模糊识别不能区分的动作类型包括第一组动作类型和第二组动作类型,第一组动作类型包括躺下和正常动作,第二组动作类型包括快速摔倒和快速动作,
所述针对所述模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别,包括:
对于所述第一组动作类型,在所述第一时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于第二阈值的情况下,将所述检测对象的动作类型判定为躺下;
对于所述第二组动作类型,在所述第一时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于所述第二阈值的情况下,将所述检测对象的动作类型判定为快速摔倒。
附记5、根据附记3所述的方法,其中,
所述根据第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果进行识别,包括:
在所述第二时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于第二阈值的情况下,将所述检测对象的动作类型判定为缓慢摔倒。
附记6、根据附记3所述的方法,其中,
所述根据第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果进行识别,包括:
根据所述第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果以及所述检测对象的位置与预设区域的位置关系进行识别。
附记7、根据附记3所述的方法,其中,所述方法还包括:
调整所述微波雷达向所述检测对象发射微波信号的天线角度,且保持所述第一阈值不变,或者,将所述第一阈值设置为随着所述检测对象与所述微波雷达的距离的变化而变化。
Claims (10)
1.一种基于微波雷达的动作识别装置,包括:
特征提取单元,其用于对单位时间内的微波雷达的所有反射点的信息进行处理,获得检测对象在所述单位时间内的特征信息,所述特征信息包括平均速率信息、反射点分布信息以及平均高度信息;
第一识别单元,其用于根据预设的时间窗口内的所述平均速率信息和所述反射点分布信息,对所述检测对象的动作类型进行模糊识别,所述时间窗口包括至少一个所述单位时间;以及
第二识别单元,其用于针对所述第一识别单元的所述模糊识别不能区分的动作类型,根据包括至少两个所述时间窗口的时间区间内的所述平均高度信息进行识别。
2.根据权利要求1所述的装置,其中,
所述第一识别单元结合根据所述平均速率信息而获得的第一识别结果和根据所述反射点分布信息而获得的第二识别结果,对所述检测对象的动作类型进行模糊识别。
3.根据权利要求1所述的装置,其中,所述时间区间是第一时间区间或第二时间区间,所述第二时间区间大于所述第一时间区间,
所述第二识别单元包括:
第三识别单元,其用于针对所述模糊识别不能区分的动作类型,根据第一时间区间内的各个时间窗口的平均高度与第一阈值的比较结果进行识别,并判定所述检测对象的动作类型是否为躺下;以及
第四识别单元,其用于针对所述第三识别单元判定所述检测对象的动作类型是躺下的情况,根据第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果进行识别。
4.根据权利要求3所述的装置,其中,
所述模糊识别不能区分的动作类型包括第一组动作类型和第二组动作类型,第一组动作类型包括躺下和正常动作,第二组动作类型包括快速摔倒和快速动作,
对于所述第一组动作类型,所述第三识别单元在所述第一时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于第二阈值的情况下,将所述检测对象的动作类型判定为躺下;
对于所述第二组动作类型,所述第三识别单元在所述第一时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于所述第二阈值的情况下,将所述检测对象的动作类型判定为快速摔倒。
5.根据权利要求3所述的装置,其中,
所述第四识别单元在所述第二时间区间内的平均高度小于所述第一阈值的时间窗口的比例大于第二阈值的情况下,将所述检测对象的动作类型判定为缓慢摔倒。
6.根据权利要求3所述的装置,其中,
所述第四识别单元根据所述第二时间区间内的各个时间窗口的平均高度与所述第一阈值的比较结果以及所述检测对象的位置与预设区域的位置关系进行识别。
7.根据权利要求3所述的装置,其中,所述装置还包括:
阈值确定单元,其用于调整所述微波雷达向所述检测对象发射微波信号的天线角度,且保持所述第一阈值不变,或者,将所述第一阈值设置为随着所述检测对象与所述微波雷达的距离的变化而变化。
8.一种电子设备,其包括根据权利要求1-7中的任一项所述的装置。
9.一种动作识别系统,包括:
微波雷达,其具有信号发射部和信号接收部,所述信号发射部向检测对象所在的空间发射微波信号,所述信号接收部接收由包含所述检测对象的物体反射的反射信号,得到反射点的信息;以及
根据权利要求1-7中的任一项所述的基于微波雷达的动作识别装置,其根据所述反射点的信息进行所述检测对象的动作识别。
10.根据权利要求9所述的动作识别系统,其中,
所述微波雷达是具有面阵天线阵列的微波雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947848.3A CN110850404B (zh) | 2018-08-20 | 2018-08-20 | 基于微波雷达的动作识别装置及方法、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947848.3A CN110850404B (zh) | 2018-08-20 | 2018-08-20 | 基于微波雷达的动作识别装置及方法、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110850404A true CN110850404A (zh) | 2020-02-28 |
CN110850404B CN110850404B (zh) | 2023-05-16 |
Family
ID=69595033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810947848.3A Active CN110850404B (zh) | 2018-08-20 | 2018-08-20 | 基于微波雷达的动作识别装置及方法、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110850404B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699714A (zh) * | 2023-04-28 | 2023-09-05 | 武汉领普科技有限公司 | 探测装置、方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6003079B2 (ja) * | 2012-02-16 | 2016-10-05 | 富士通株式会社 | 信号機制御システム、信号機制御方法、及びプログラム |
US9921660B2 (en) * | 2014-08-07 | 2018-03-20 | Google Llc | Radar-based gesture recognition |
JP6443011B2 (ja) * | 2014-12-01 | 2018-12-26 | 株式会社デンソー | 物標検出装置 |
CN108344995A (zh) * | 2018-01-25 | 2018-07-31 | 宁波隔空智能科技有限公司 | 一种基于微波雷达技术的手势识别装置及手势识别方法 |
-
2018
- 2018-08-20 CN CN201810947848.3A patent/CN110850404B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699714A (zh) * | 2023-04-28 | 2023-09-05 | 武汉领普科技有限公司 | 探测装置、方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110850404B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9749788B2 (en) | Positioning mobile terminal based on electromagnetic signals | |
US11074800B2 (en) | Fall detection method and apparatus | |
US20180122083A1 (en) | Method and device for straight line detection and image processing | |
CN110807377A (zh) | 目标跟踪和入侵检测方法、装置、及存储介质 | |
EP3282387A1 (en) | Fire detection method, fire detection apparatus and electronic equipment | |
CN113168694B (zh) | 人检测装置以及人检测方法 | |
CN112668359A (zh) | 动作识别方法、动作识别装置和电子设备 | |
CN112394334A (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
CN108647597B (zh) | 一种手腕识别方法、手势识别方法、装置和电子设备 | |
CN111507361B (zh) | 基于微波雷达的动作识别装置、方法及系统 | |
CN112861870B (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
US11770504B2 (en) | Person detection device and person detection method | |
US8503737B2 (en) | Visual line estimating apparatus | |
CN110850404A (zh) | 基于微波雷达的动作识别装置及方法、电子设备 | |
CN112395920B (zh) | 基于雷达的姿态识别装置、方法以及电子设备 | |
JP2020165950A (ja) | 無線信号に基づく運動状態の検出装置、方法及びシステム | |
CN111382606A (zh) | 摔倒检测方法、摔倒检测装置和电子设备 | |
CN113466851A (zh) | 人体姿态检测方法、装置和数据处理设备 | |
CN111257589B (zh) | 一种基于crfid标签的风速测量方法 | |
CN110992426A (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN116363583A (zh) | 一种用于顶视角的人体识别方法、装置、设备及介质 | |
CN110929766A (zh) | 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法 | |
CN111868564A (zh) | 物体识别装置 | |
CN113837138A (zh) | 一种着装监控方法、系统、介质及电子终端 |
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 |