CN111134685B - 跌倒检测方法和装置 - Google Patents
跌倒检测方法和装置 Download PDFInfo
- Publication number
- CN111134685B CN111134685B CN201811301466.XA CN201811301466A CN111134685B CN 111134685 B CN111134685 B CN 111134685B CN 201811301466 A CN201811301466 A CN 201811301466A CN 111134685 B CN111134685 B CN 111134685B
- Authority
- CN
- China
- Prior art keywords
- reflection point
- radar
- information
- average
- point information
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- 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
-
- 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
-
- 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
- G01S13/62—Sense-of-movement determination
-
- 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
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
-
- 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
- G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
-
- 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
- G08B21/0461—Sensor means for detecting integrated or attached to an item closely associated with the person but not worn by the person, e.g. chair, walking stick, bed sensor
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Dentistry (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Social Psychology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radar Systems Or Details Thereof (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供一种跌倒检测方法以及装置,其中,该装置包括:获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;该反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;确定单元,其用于根据该第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定该检测目标是否跌倒。本实施例中的检测方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的反射点信息进行跌倒检测,检测精度更高,误报率低,检测速度更快。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种跌倒检测方法和装置。
背景技术
跌倒在人们日常生活中经常发生,因个人身体状况不同,跌倒可能会对身体造成不同程度的伤害。根据世界卫生组织的报道,每年发生的致命跌伤为64.6万次,是仅次于道路交通伤害的第二大非故意伤害死亡的原因。及时检测跌倒事故,对受伤人员进行救助,能防止伤害加重、缓和致命风险。因此,跌倒检测对创建安全宜居的生活环境具有重要意义。
目前,常见的跌倒检测方法包括基于可穿戴设备的方法和基于视频的方法。基于可穿戴设备的跌倒检测方法需要用户佩戴终端设备,利用终端设备上的传感器(比如加速度传感器等)信息检测用户是否跌倒。但是,佩戴可穿戴设备可能对身体造成不舒适感,用户使用体验差。基于视频的跌倒检测方法需要在监测区域内安装摄像头,通过图像和视频信息检测是否有人跌倒。但是,这种方法会对人们的隐私造成侵犯,不能应用于对隐私敏感的监测区域。
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
目前,在现有技术中,提出了一种基于微波雷达的跌倒检测方法,微波雷达可以向检测目标发射微波信号,经过检测目标反射后,被微波雷达重新接收反射信号,并可以根据该反射信号得到检测目标的高度信息,根据该高度信息进行跌倒检测,例如,高度低于预定值时,表示检测目标跌倒。但发明人发现,如果仅考虑高度信息,在一些场景(检测目标发生了蹲下,或坐下等动作)中会导致误检测。
本发明实施例提出了一种跌倒检测方法和装置,解决现有技术中存在的问题。
根据本发明实施例的第一个方面,提供了一种跌倒检测装置,其中,该装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
确定单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒。
根据本发明实施例的第二个方面,提供了一种跌倒检测装置,其中,该装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
计算单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息计算特征值;所述特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
确定单元,其用于根据所述特征值确定所述检测目标是否跌倒。
根据本发明实施例的第三个方面,提供了一种跌倒检测方法,其中,该方法包括:
获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒。
根据本发明实施例的第四个方面,提供了一种跌倒检测方法,其中,该方法包括:
获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
根据所述第一预定数量个连续帧内所述雷达反射点信息计算特征值;所述特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
根据所述特征值确定所述检测目标是否跌倒。
本发明实施例的有益效果在于,基于微波雷达获得的反射点信息中反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种随时间的变化关系确定该检测目标是否跌倒,该方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的反射点信息进行跌倒检测,检测精度更高,误报率低,检测速度更快。
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
参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
在附图中:
图1是本实施例1中跌倒检测方法流程图;
图2是本实施例1中微波雷达收发信号示意图;
图3是本实施例1中一帧雷达反射点在X-Y平面内分布示意图;
图4是本实施例1中步骤102一实施方式示意图;
图5是本实施例1中跌倒过程中反射点强度信息随时间(帧号)的变化示意图;
图6是本实施例1中跌倒过程中反射点高度信息随时间(帧号)的变化示意图;
图7是本实施例1中跌倒过程中反射点径向速度随时间(帧号)的变化示意图;
图8是本实施例1中跌倒过程中反射点水平面坐标(x,y)随时间(帧号)的变化在X-Y平面上的轨迹变化示意图;
图9是本实施例1中步骤102一实施方式示意图;
图10是本实施例1中跌倒过程中该每一帧的雷达反射点数量随时间(帧号)的变化示意图;
图11是本实施例2中跌倒检测方法流程图;
图12是本实施例3中跌倒检测装置示意图;
图13是本实施例3中确定单元1202示意图;
图14是本实施例4中跌倒检测装置示意图;
图15是本实施例5中电子设备示意图。
具体实施方式
参照附图,通过下面的说明书,本发明实施例的前述以及其它特征将变得明显。这些实施方式只是示例性的,不是对本发明的限制。为了使本领域的技术人员能够容易地理解本发明的原理和实施方式,本发明实施例以图像压缩处理的重建图像为例进行说明,但可以理解,本发明实施例并不限于此,基于其他图像处理的重建图像也在本发明的包含范围内。
下面参照附图对本发明的具体实施方式进行说明。
实施例1
本实施例1提供一种跌倒检测方法,图1是该方法流程图,如图1所示,该方法包括:
步骤101,获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;该反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
步骤102,根据该第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定该检测目标是否跌倒。
在本实施例中,可以基于预先设置的微波雷达向检测目标(人)发射微波信号,例如调频连续波(Frequency-modulated Continuous Wave,FMCW),该微波信号经过环境中的障碍物和该检测目标的反射后得到反射信号,被该微波雷达再次接收,图2是该微波雷达收发信号示意图,如图2所示,该微波雷达发射微波信号A,并接收经过反射后的反射信号B,在使用多天线技术时,该微波信号A可以是由不同发射天线发射的不同微波信号;该微波信号A和反射信号B相比,在频率和相位上发生了变化,因此,可以基于该微波信号A和反射信号B获取属于检测目标的雷达反射点信息,以下将该微波雷达得到的一次测量结果作为一帧雷达反射点信息。
图3是一帧雷达反射点在X-Y平面分布示意图,如图3所示,该圆圈内的反射点属于检测目标的雷达反射点,其他点为环境中的其他障碍物的反射点(以下称为噪声点),可以利用现有的追踪算法或现有聚类算法(例如基于密度的聚类算法,Density-Based SpatialClustering of Applications with Noise,DBSCAN算法)区分反射点属于检测目标的雷达反射点或噪声点,在步骤102中,根据第一预定数量(N)个连续帧内的属于检测目标的雷达反射点信息进行跌倒检测。
在本实施例中,该微波雷达可以包括发送天线,接收天线,电路以及存储器等,该发送天线和接收天线的数量为一个以上,该发送天线用于发送微波信号,该接收天线用于接收反射信号,存储器可以存储有该微波雷达工作的各种处理所利用的信息,该电路可以构成为包括执行控制程序的处理器,例如基于发送的微波信号和反射信号获取反射点信息,反射点信息包括反射点的位置信息、径向速度信息v、反射信号强度信息p中的至少两种;该反射点的位置信息包括:该反射点到雷达的距离信息r,以及该反射点的空间三维坐标信息(x,y,z)中的至少一种;具体的,可以根据接收的反射信号得到强度信息p,可以根据发送天线的出发角和接收天线的到来角确定该反射点的三维坐标信息(x,y,z),另外,该反射信号和发送的微波信号具有频差,该频差与微波雷达和该检测目标的距离r成正比,对该微波信号和反射信号进行处理,获得基带信号,其中,在检测目标相对微波雷达有径向速度v(朝向微波雷达的速度,多普勒速度)时,该基带信号的频率在变化,在变化的频率中,包含了该速度v以及该距离r信息,通过进行二维傅里叶变换(2D-FFT),可以得到该速度v和距离r信息;该微波雷达的结构可以参考现有技术,其获取上述反射点信息的计算方法也可以参考现有技术,此处不再赘述。需要说明的是,本实施例并不限于在微波雷达内利用该电路获取反射点信息,可选的,还可以将微波信号和反射信号的信息发送至其他装置中获取反射点信息。
在本实施例中,如上图2所示,在跌倒的过程中,检测目标会从直立状态短时间内转化为平躺状态,在这过程中,检测目标对微波信号的反射面逐渐减小,高度降低,径向速度升高,同时在X-Y平面上的轨迹呈现为类似直线的形状,因此,可以利用该雷达反射点信息计算以下特征值中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;并根据至少两种特征结合进行跌倒检测。
在步骤102中,可以根据该第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定该检测目标是否跌倒。
图4是该步骤102一种实施方式示意图,在该实施方式中,该雷达发射点随时间的变化关系可以利用第一特征值和第二特征值表示;如图4所示,该方法包括:
步骤401,计算每一帧内属于该检测目标的多个雷达反射点的平均反射点信息;
步骤402,计算该第一预定数量个连续帧内的平均反射点信息的第一特征值和第二特征值;
步骤403,根据该第一特征值和第二特征值确定该检测目标是否跌倒。
在步骤401中,反射点信息包括反射点的位置信息、径向速度信息v、反射信号强度信息p中的至少两种;该反射点的位置信息包括:该反射点到雷达的距离信息r,以及该反射点的空间三维坐标信息(x,y,z)中的至少一种,在步骤401中,N个帧中每一帧的属于检测目标的雷达反射点数量为n1,n2,…nN,计算每一帧各个反射点对应的上述反射点信息的平均值,得到每一帧的平均反射点信息。
在步骤402中,计算N帧平均反射点信息的第一特征值和第二特征值,以反映出雷达发射点随时间的变化关系,该第一特征值表示该平均反射点信息与时间变化相关的参数,该第二特征值表示该第一预定数量个连续帧内位置靠后的第二预定数量个连续帧的平均反射点信息的统计值,和/或表示该第一预定数量个连续帧内位置靠前的第三预定数量个连续帧的平均反射点信息的统计值与位置靠后的第二预定数量个连续帧的平均反射点信息的统计值的差值。
例如,在该反射点信息是反射点的空间三维坐标信息中的高度信息z,或反射信号强度信息p,或径向速度信息v时,其每一帧对应的平均反射点信息为该第一特征值表示该平均反射点信息与时间变化相关的参数,例如,该参数可以是平均反射点信息与时间线性拟合的变化率(斜率)和/或平均反射点信息与时间的相关系数;该第二特征值是位置靠后的第二预定数量个连续帧的平均反射点信息的平均值。
例如,在该反射点信息是反射点的空间三维坐标信息中的水平面横纵坐标(x,y)信息时,其每一帧对应的平均反射点信息为该第一特征值是横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;该第二特征值是位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧的水平面坐标轨迹的中心之间的距离。
以下分别针对上述反射点信息如何计算第一特征值和第二特征值进行说明。
1)针对反射信号强度信息p;
图5是跌倒过程中该平均反射点信息随时间(帧号)的变化示意图,如图5所示,在跌倒发生时,由于检测目标反射面逐渐减小,因此,平均反射点信息也是逐渐减小,而不是增大,也不是极速减小,该第一特征值可以是平均反射点信息与时间(N帧)线性拟合的变化率(斜率)Stp和/或平均反射点信息与时间(N帧)的相关系数Rtp,该线性拟合的斜率以及相关系数的计算方法可以参考现有技术,根据该斜率Stp可以反映出该平均反射点信息的变化趋势(逐渐减小或变大,或者极速减小等),根据该相关系数Rtp可以反映出该平均反射点信息与时间线性相关性大小,取值范围为[-1,1](例如,跌倒过程的该相关系数应该是接近-1的值,换句话说,如果计算得到的相关系数与-1的差值小于或等于规定的阈值,即可能发生了跌倒),该第二特征值是N帧中位置靠后的第二预定数量M个连续帧的平均反射点信息的平均值,结合该平均值与阈值的比较可以判断是否发生了跌倒。
2)针对高度信息z
图6是跌倒过程中该平均反射点信息随时间(帧号)的变化示意图,如图6所示,在跌倒发生时,平均反射点信息呈现下降趋势,且变化很快,该第一特征值可以是平均反射点信息与时间(N帧)线性拟合的变化率(斜率)Stz和/或平均反射点信息与时间(N帧)的相关系数Rtz,该线性拟合的斜率以及相关系数的计算方法可以参考现有技术,根据该斜率Stz可以反映出该平均反射点信息的变化趋势(逐渐减小或变大,或者极速减小等),根据该相关系数Rtz可以反映出该平均反射点信息与时间线性相关性大小,取值范围为[-1,1](例如,跌倒过程的该相关系数应该是接近-1的值,换句话说,如果计算得到的相关系数与-1的差值小于或等于规定的阈值,即可能发生了跌倒),该第二特征值是N帧中位置靠后的第二预定数量M个连续帧的平均反射点信息的平均值,结合该平均值与阈值的比较可以判断是否发生了跌倒。
3)针对径向速度信息v
图7是跌倒过程中该平均反射点信息随时间(帧号)的变化示意图,如图7所示,在跌倒发生时,有加速的过程,即平均反射点信息呈现先极速上升,再极速下降趋势,该第一特征值可以是平均反射点信息与时间(N帧)线性拟合的变化率(斜率)Stv和/或平均反射点信息与时间(N帧)的相关系数Rtv,该线性拟合的斜率以及相关系数的计算方法可以参考现有技术,根据该斜率Stv可以反映出该平均反射点信息的变化趋势(逐渐减小或变大,或者极速减小或变大等),根据该相关系数Rtv可以反映出该平均反射点信息与时间线性相关性大小,取值范围为[-1,1](例如,跌倒过程的该相关系数应该是接近1的值,换句话说,如果计算得到的相关系数与1的差值小于或等于规定的阈值,即可能发生了跌倒),该第二特征值是N帧中位置靠后的第二预定数量M个连续帧的平均反射点信息的平均值,结合该平均值与阈值的比较可以判断是否发生了跌倒。
4)针对水平面横纵坐标(x,y)
图8是跌倒过程中该平均反射点信息随时间(帧号)的变化在X-Y平面上的轨迹变化示意图,如图8所示,在跌倒发生时,该轨迹呈现类似直线的形状,即检测目标跌倒时方向不会发生明显的改变,直线的方向为检测目标跌倒的方向,直线的长度反映了检测目标从直立状态到平躺状态位置的改变,该第一特征值是横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差Exy,取值范围中最小值为0(例如,跌倒过程的该线性拟合误差应该是接近0的值,越小越好,换句话说,如果计算得到的线性拟合误差越小,表示该轨迹更接近直线的形状,即可能发生了跌倒),和/或横坐标平均反射点信息和纵坐标平均反射点信息的相关系数Rxy,取值范围为[-1,1](例如,跌倒过程的该相关系数应该是远离0的值,换句话说,如果计算得到的相关系数的绝对值与0的差值大于或等于规定的阈值,或者计算得到的相关系数的绝对值与1的差值小于或等于规定的阈值,即可能发生了跌倒),表示出该平均反射点信息与线性相关性大小;该第二特征值是位置靠前的第三预定数量Q个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量M个连续帧的水平面坐标轨迹的中心之间的距离,该第一特征值可以反映出轨迹是否呈现直线形状,第二特征值可以反映出该轨迹的长度。
在步骤403中,在计算得到第一特征值和第二特征值后,可以根据该第一特征值和第二特征值确定该检测目标是否跌倒;在一个实施方式中,将该第一特征值和第二特征值与每类特征值对应的跌倒判定阈值范围比较,根据比较结果确定是否跌倒,其中,可以预先获取跌倒训练反射点信息,使用机器学习算法获得该跌倒判定阈值范围。例如,可以将每一类特征与对应的跌倒判定阈值范围的比较结果进行整合,获得最终的判定结果,具体的,共比较了F个特征(F大于等于2),如果F个特征中超过L个特征的比较结果都是跌倒,即判定最终的判定结果为跌倒,L与F的比例可以根据需要确定,或者,可以为每一类特征的比较结果设置加权系数,并针对跌倒和不跌倒分别统计加权和,比较跌倒和不跌倒的加权和大小,将数值较大的结果作为最终检测结果,本实施例并不以此作为限制;在一个实施方式中,可以预先获取跌倒训练反射点信息,使用机器学习算法对反射点信息进行标定(跌倒或不跌倒为标定的标签),形成跌倒判定的神经网络,将步骤403中计算得到的第一特征值和第二特征是输入该训练好的神经网络中,得到标定结果。该机器学习算法可以是支持向量机(SVM)或随机森林等算法,具体可以参考现有技术,此处不再赘述。
图9是该步骤102另一种实施方式示意图,在该实施方式中,该雷达发射点随时间的变化关系可以利用第一特征值和第二特征值,结合第三特征值和/或第四特征值表示;如图9所示,该方法包括:
步骤901,计算每一帧内属于该检测目标的多个雷达反射点的平均反射点信息以及统计每一帧内属于该检测目标的雷达反射点数量n1,n2,…nN;
步骤902,计算该第一预定数量个连续帧内的平均反射点信息的第一特征值,第二特征值,并且计算该第一预定数量个连续帧内的平均反射点信息的第三特征值和/或第四特征值
步骤903,根据该第一特征值和第二特征值,结合第三特征值和/或第四特征值确定该检测目标是否跌倒。
在该实施方式中,计算平均反射点信息以及第一特征值和第二特征值的实施方式可以参考步骤401-402。
在该实施方式中,除了利用反射点信息,还可以利用每一帧的反射点数量来作跌倒检测,以下详细说明;
5)针对反射点数量
图10是跌倒过程中该每一帧的雷达反射点数量随时间(帧号)的变化示意图,如图10所示,在跌倒发生时,由于检测目标反射面逐渐减小,因此,反射点数量也是逐渐减小,而不是增大,也不是极速减小,该第三特征值是每一帧雷达反射点数量与时间线性拟合的变化率Stn(斜率),和/或每一帧雷达反射点数量与时间的相关系数Rtn,该线性拟合的斜率以及相关系数的计算方法可以参考现有技术,根据该斜率Stn可以反映出该反射点数量的变化趋势(逐渐减小或变大,或者极速减小等),根据该相关系数Rtn可以反映出该反射点数量与时间线性相关性大小,取值范围为[-1,1](例如,跌倒过程的该相关系数应该是接近-1的值,换句话说,如果计算得到的相关系数与-1的差值小于或等于规定的阈值,即可能发生了跌倒),该第四特征值是位置靠后的第二预定数量M个连续帧的反射点数量的平均值,结合该平均值与阈值的比较可以判断是否发生了跌倒。
在步骤903中,可以根据该第一特征值和第二特征值,结合第三特征值和/或第四特征值确定该检测目标是否跌倒,例如,根据第一特征值,第二特征值,第三特征值进行跌倒检测,或者根据第一特征值,第二特征值,第四特征值进行跌倒检测,或者根据第一特征值,第二特征值,第三特征值和第四特征值进行跌倒检测,其具体实施方式可以参考步骤403,此处不再赘述。
由此,基于微波雷达获得的反射点信息中反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种随时间的变化关系确定该检测目标是否跌倒,该方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的反射点信息进行跌倒检测,检测精度更高,误报率低,检测速度更快。
实施例2
本实施例11提供一种跌倒检测方法,图11是该方法流程图,如图11所示,该方法包括:
步骤1101,获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;该反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
步骤1102,根据该第一预定数量个连续帧内该雷达反射点信息计算特征值;该特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
步骤1103,根据该特征值确定该检测目标是否跌倒。
在本实施例中,步骤1101的实施方式可以参考实施例1步骤101;
步骤1102中该雷达反射面的反射点个数的相关特征包括:每一帧雷达反射点数量与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点数量与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点数量的平均值;该雷达反射面的反射信号强度的相关特征包括:每一帧雷达反射点的平均反射信号强度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均反射信号强度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均反射信号强度;该雷达发射点的高度的相关特征包括:每一帧雷达反射点的平均高度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均高度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均高度;该雷达发射点的速度的相关特征包括:每一帧雷达反射点的平均多普勒速度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均多普勒速度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均多普勒速度;该雷达反射面的反射点轨迹的相关特征包括:每一帧横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或每一帧横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;和/或位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧水平面坐标轨迹的中心之间的距离。
上述各个特征的计算方法可以参考实施例1中特征1)~5),步骤1103的实施方式可以参考实施例1中步骤403和903,此处不再赘述。
由此,基于雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征的至少两种确定该检测目标是否跌倒,该方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的特征进行跌倒检测,检测精度更高,误报率低,检测速度更快。
实施例3
本实施例3还提供一种跌倒检测装置。由于该装置解决问题的原理与实施例1的方法类似,因此其具体的实施可以参考实施例1的方法的实施,内容相同之处不再重复说明。
图12是该跌倒检测装置构成示意图,如图12所示,该装置1200包括:
获取单元1201,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;该反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
确定单元1202,其用于根据该第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定该检测目标是否跌倒。
在本实施例中,该获取单元1201的实施方式可以参考实施例1步骤101。
图13是该确定单元1202一实施方式示意图,如图13所示,该确定单元1202包括:
第一计算模块1301,其用于计算每一帧内属于该检测目标的多个雷达反射点的平均反射点信息;
第二计算模块1302,其用于计算该第一预定数量个连续帧内的平均反射点信息的第一特征值和第二特征值,该第一特征值表示该平均反射点信息与时间变化相关的参数,该第二特征值表示该第一预定数量个连续帧内位置靠后的第二预定数量个连续帧的平均反射点信息的统计值,和/或表示该第一预定数量个连续帧内位置靠前的第三预定数量个连续帧的平均反射点信息的统计值与位置靠后的第二预定数量个连续帧的平均反射点信息的统计值的差值;
检测模块1303,其用于根据该第一特征值和第二特征值确定该检测目标是否跌倒。
在本实施例中,该装置1200还包括:
第三计算模块(未图示,可选),其用于统计每一帧内属于该检测目标的雷达反射点数量;计算该雷达反射点数量的第三特征值和/或第四特征值,该第三特征值表示该反射点数量与时间变化相关的参数,该第四特征值表示该位置靠后的第二预定数量个连续帧的反射点数量的平均值;
并且,该检测模块1303根据该第一特征值和第二特征值,以及第三特征值和/或第四特征值确定该检测目标是否跌倒。
在本实施例中,该第一特征值,第二特征值,第三特征值,第四特征值的含义请参考实施例1,该第一计算模块1301,第二计算模块1302,检测模块1303实施方式可以参考实施例1中步骤401-403,该第三计算模块的实施方式可以参考实施例1中步骤902,此处不再赘述。
在本实施例中,该装置1200还包括:
训练单元(未图示,可选),其用于获取跌倒训练反射点信息,使用机器学习算法获得该跌倒判定阈值范围。
由此,基于微波雷达获得的反射点信息中反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种随时间的变化关系确定该检测目标是否跌倒,该方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的反射点信息进行跌倒检测,检测精度更高,误报率低,检测速度更快。
实施例4
本实施例4还提供一种跌倒检测装置。由于该装置解决问题的原理与实施例2的方法类似,因此其具体的实施可以参考实施例2的方法的实施,内容相同之处不再重复说明。
图14是该跌倒检测装置构成示意图,如图14所示,该装置1400包括:
获取单元1401,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;该反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
计算单元1402,其用于根据该第一预定数量个连续帧内该雷达反射点信息计算特征值;该特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
确定单元1403,其用于根据该特征值确定该检测目标是否跌倒。
在本实施例中,该雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征的计算方式可以参考实施例1中特征1)~5),此处不再赘述。
在本实施例中,该获取单元1401,计算单元1402,确定单元1403的实施方式可以参考实施例2,此处不再赘述。
由此,基于雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征的至少两种确定该检测目标是否跌倒,该方法无需用户佩戴终端设备,使用体验好,且可以用于私密区域的监控,并且根据多维的特征进行跌倒检测,检测精度更高,误报率低,检测速度更快。
实施例5
本实施例还提供一种跌倒检测系统,包括电子设备和微波雷达。该电子设备例如可以是计算机、服务器、工作站、膝上型计算机、智能手机,等等;但本发明实施例不限于此。该微波雷达的结构可以参考实施例1,用于发送微波信号,并接收反射信号,基于发送的微波信号和反射信号计算所有反射点信息(该计算所有反射点信息的功能也可以由电子设备执行),该电子设备获取属于检查目标的该雷达反射点信息,根据第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定检测目标是否跌倒;或者,该电子设备获取属于检查目标的该雷达反射点信息,根据根据该第一预定数量个连续帧内该雷达反射点信息计算特征值;该特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;根据该特征值确定该检测目标是否跌倒。
图15是本发明实施例的电子设备的一示意图。如图15所示,电子设备1500可以包括:处理器(例如中央处理器CPU)1510和存储器1520;存储器1520耦合到中央处理器1510。其中该存储器1520可存储各种数据;此外还存储信息处理的程序1521,并且在处理器1510的控制下执行该程序。
在一个实施方式中,跌倒检测装置1200或跌倒检测装置1400的功能可以被集成到处理器1510中。其中,处理器1510可以被配置为实现如实施例1所述的跌倒检测方法或实施例2所述的跌倒检测方法。
在另一个实施方式中,跌倒检测装置1200或跌倒检测装置1400可以与处理器1510分开配置,例如可以将跌倒检测装置1200或跌倒检测装置1400配置为与处理器1510连接的芯片,通过处理器1510的控制来实现跌倒检测装置1200或跌倒检测装置1400的功能。
例如,处理器1510可以被配置为进行如下的控制:获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息,根据第一预定数量个连续帧内该雷达反射点信息随时间的变化关系确定检测目标是否跌倒;或者,获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息,根据该第一预定数量个连续帧内该雷达反射点信息计算特征值;该特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;根据该特征值确定该检测目标是否跌倒。
该处理器1510的具体实施方式可以参考实施例1或2,此处不再赘述。
此外,如图15所示,电子设备1500还可以包括:收发单元1530等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,电子设备1500也并不是必须要包括图15中所示的所有部件;此外,电子设备1500还可以包括图15中没有示出的部件,可以参考现有技术。
本发明实施例还提供一种计算机可读程序,其中当在跌倒检测装置中执行该程序时,该程序使得计算机在该跌倒检测装置中执行如上面实施例1中的跌倒检测方法。
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,其中该计算机可读程序使得计算机在跌倒检测装置中执行上面实施例1中的跌倒检测方法。
本发明实施例还提供一种计算机可读程序,其中当在跌倒检测装置中执行该程序时,该程序使得计算机在该跌倒检测装置中执行如上面实施例2中的跌倒检测方法。
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,其中该计算机可读程序使得计算机在跌倒检测装置中执行上面实施例2中的跌倒检测方法。
结合本发明实施例描述的在图像相似性确定装置中图像相似性确定的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12-15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1,4,9,11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图像相似性确定装置的存储器中,也可以存储在可插入图像相似性确定装置的存储卡中。
针对图12-15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12-15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。
关于包括以上多个实施例的实施方式,还公开下述的附记。
附记1、一种跌倒检测装置,其中,所述装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
确定单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒。
附记2、根据附记1所述的装置,其中,所述反射点的位置信息包括:所述反射点到雷达的距离信息,以及所述反射点的空间三维坐标信息中的至少一种。
附记3、根据附记1所述的装置,其中,所述确定单元包括:
第一计算模块,其用于计算每一帧内属于所述检测目标的多个雷达反射点的平均反射点信息;
第二计算模块,其用于计算所述第一预定数量个连续帧内的平均反射点信息的第一特征值和第二特征值,所述第一特征值表示所述平均反射点信息与时间变化相关的参数,所述第二特征值表示所述第一预定数量个连续帧内位置靠后的第二预定数量个连续帧的平均反射点信息的统计值,和/或表示所述第一预定数量个连续帧内位置靠前的第三预定数量个连续帧的平均反射点信息的统计值与位置靠后的第二预定数量个连续帧的平均反射点信息的统计值的差值;
检测模块,其用于根据所述第一特征值和第二特征值确定所述检测目标是否跌倒。
附记4、根据附记3所述的装置,其中,在所述反射点信息是反射点的空间三维坐标信息中的高度信息,或反射信号强度信息,或径向速度信息时,所述第一特征值是平均反射点信息与时间线性拟合的变化率,和/或平均反射点信息与时间的相关系数;所述第二特征值是位置靠后的第二预定数量个连续帧的平均反射点信息的平均值。
附记5、根据附记3所述的装置,其中,在所述反射点信息是反射点的空间三维坐标信息中的水平面横纵坐标信息时,所述第一特征值是横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;所述第二特征值是位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧的水平面坐标轨迹的中心之间的距离。
附记6、根据附记3所述的装置,其中,所述装置还包括:
第三计算模块,其用于统计每一帧内属于所述检测目标的雷达反射点数量;计算所述雷达反射点数量的第三特征值和/或第四特征值,所述第三特征值表示所述反射点数量与时间变化相关的参数,所述第四特征值表示所述位置靠后的第二预定数量个连续帧的反射点数量的平均值;
并且,所述检测模块根据所述第一特征值和第二特征值,以及第三特征值和/或第四特征值确定所述检测目标是否跌倒。
附记7、根据附记6所述的装置,其中,所述第三特征值是每一帧雷达反射点数量与时间线性拟合的变化率,和/或每一帧雷达反射点数量与时间的相关系数。
附记8、根据附记3或6所述的装置,其中,所述检测模块将所述第一特征值和第二特征值,或者所述第一特征值和第二特征值,以及第三特征值和/或第四特征与每类特征值对应的跌倒判定阈值范围比较,根据比较结果确定是否跌倒。
附记9、根据附记8所述的装置,其中,所述装置还包括:
训练单元,其用于获取跌倒训练反射点信息,使用机器学习算法获得所述跌倒判定阈值范围。
附记10、一种跌倒检测装置,其中,所述装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
计算单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息计算特征值;所述特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达发射点的高度的相关特征,雷达发射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
确定单元,其用于根据所述特征值确定所述检测目标是否跌倒。
附记11、根据附记10所述的装置,其中,所述雷达反射面的反射点个数的相关特征包括:
每一帧雷达反射点数量与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点数量与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点数量的平均值。
附记12、根据附记10所述的装置,其中,所述雷达反射面的反射信号强度的相关特征包括:
每一帧雷达反射点的平均反射信号强度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均反射信号强度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均反射信号强度。
附记13、根据附记10所述的装置,其中,所述雷达发射点的高度的相关特征包括:
每一帧雷达反射点的平均高度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均高度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均高度。
附记14、根据附记10所述的装置,其中,所述雷达发射点的速度的相关特征包括:
每一帧雷达反射点的平均多普勒速度与时间线性拟合的变化率(斜率),和/或每一帧雷达反射点的平均多普勒速度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均多普勒速度。
附记15、根据附记10所述的装置,其中,所述雷达反射面的反射点轨迹的相关特征包括:
每一帧横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或每一帧横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;和/或位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧水平面坐标轨迹的中心之间的距离。
附记16、一种跌倒检测方法,其中,所述方法包括:
获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒。
附记17、根据附记16所述的方法,其中,根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒包括:
计算每一帧内属于所述检测目标的多个雷达反射点的平均反射点信息;
计算所述第一预定数量个连续帧内的平均反射点信息的第一特征值和第二特征值,所述第一特征值表示所述平均反射点信息与时间变化相关的参数,所述第二特征值表示所述第一预定数量个连续帧内位置靠后的第二预定数量个连续帧的平均反射点信息的统计值,和/或表示所述第一预定数量个连续帧内位置靠前的第三预定数量个连续帧的平均反射点信息的统计值与位置靠后的第二预定数量个连续帧的平均反射点信息的统计值的差值;
根据所述第一特征值和第二特征值确定所述检测目标是否跌倒。
附记18、根据附记17所述的方法,其中,在所述反射点信息是反射点的空间三维坐标信息中的高度信息,或反射信号强度信息,或径向速度信息时,所述第一特征值是平均反射点信息与时间线性拟合的变化率,和/或平均反射点信息与时间的相关系数;所述第二特征值是位置靠后的第二预定数量个连续帧的平均反射点信息的平均值。
附记19、根据附记17所述的方法,其中,在所述反射点信息是反射点的空间三维坐标信息中的水平面横纵坐标信息时,所述第一特征值是横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;所述第二特征值是位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧的水平面坐标轨迹的中心之间的距离。
附记20、根据附记17所述的方法,其中,所述方法还包括:
统计每一帧内属于所述检测目标的雷达反射点数量;计算所述雷达反射点数量的第三特征值和/或第四特征值,所述第三特征值表示所述反射点数量与时间变化相关的参数,所述第四特征值表示所述位置靠后的第二预定数量个连续帧的反射点数量的平均值;
并且,根据所述第一特征值和第二特征值,以及第三特征值和/或第四特征值确定所述检测目标是否跌倒。
Claims (9)
1.一种跌倒检测装置,其中,所述装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
确定单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息随时间的变化关系确定所述检测目标是否跌倒;
其中,所述确定单元包括:
第一计算模块,其用于计算每一帧内属于所述检测目标的多个雷达反射点的平均反射点信息;
第二计算模块,其用于计算所述第一预定数量个连续帧内的平均反射点信息的第一特征值和第二特征值,所述第一特征值表示所述平均反射点信息与时间变化相关的参数,所述第二特征值表示所述第一预定数量个连续帧内位置靠后的第二预定数量个连续帧的平均反射点信息的统计值,和/或表示所述第一预定数量个连续帧内位置靠前的第三预定数量个连续帧的平均反射点信息的统计值与位置靠后的第二预定数量个连续帧的平均反射点信息的统计值的差值;
检测模块,其用于根据所述第一特征值和第二特征值确定所述检测目标是否跌倒。
2.根据权利要求1所述的装置,其中,所述反射点的位置信息包括:所述反射点到雷达的距离信息,以及所述反射点的空间三维坐标信息中的至少一种。
3.根据权利要求1所述的装置,其中,在所述反射点信息是反射点的空间三维坐标信息中的高度信息,或反射信号强度信息,或径向速度信息时,所述第一特征值是平均反射点信息与时间线性拟合的变化率,和/或平均反射点信息与时间的相关系数;所述第二特征值是位置靠后的第二预定数量个连续帧的平均反射点信息的平均值。
4.根据权利要求1所述的装置,其中,在所述反射点信息是反射点的空间三维坐标信息中的水平面横纵坐标信息时,所述第一特征值是横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;所述第二特征值是位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧的水平面坐标轨迹的中心之间的距离。
5.根据权利要求1所述的装置,其中,所述装置还包括:
第三计算模块,其用于统计每一帧内属于所述检测目标的雷达反射点数量;计算所述雷达反射点数量的第三特征值和/或第四特征值,所述第三特征值表示所述反射点数量与时间变化相关的参数,所述第四特征值表示所述位置靠后的第二预定数量个连续帧的反射点数量的平均值;
并且,所述检测模块根据所述第一特征值和第二特征值,以及第三特征值和/或第四特征值确定所述检测目标是否跌倒。
6.根据权利要求5所述的装置,其中,所述第三特征值是每一帧雷达反射点数量与时间线性拟合的变化率,和/或每一帧雷达反射点数量与时间的相关系数。
7.根据权利要求1或5所述的装置,其中,所述检测模块将所述第一特征值和第二特征值,或者所述第一特征值和第二特征值,以及第三特征值和/或第四特征与每类特征值对应的跌倒判定阈值范围比较,根据比较结果确定是否跌倒。
8.根据权利要求7所述的装置,其中,所述装置还包括:
训练单元,其用于获取跌倒训练反射点信息,使用机器学习算法获得所述跌倒判定阈值范围。
9.一种跌倒检测装置,其中,所述装置包括:
获取单元,其用于获取第一预定数量个连续帧内的属于检测目标的雷达反射点信息;所述反射点信息包括反射点的位置信息、径向速度信息、反射信号强度信息中的至少两种;
计算单元,其用于根据所述第一预定数量个连续帧内所述雷达反射点信息计算特征值;所述特征值包括以下特征中的至少两种:雷达反射面的反射点个数或反射信号强度的相关特征,雷达反射点的高度的相关特征,雷达反射点的速度的相关特征,雷达反射面的反射点轨迹的相关特征;
确定单元,其用于根据所述特征值确定所述检测目标是否跌倒;
其中,所述雷达反射面的反射点个数的相关特征包括:
每一帧雷达反射点数量与时间线性拟合的变化率,和/或每一帧雷达反射点数量与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点数量的平均值;
其中,所述雷达反射面的反射信号强度的相关特征包括:
每一帧雷达反射点的平均反射信号强度与时间线性拟合的变化率,和/或每一帧雷达反射点的平均反射信号强度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均反射信号强度;
其中,所述雷达反射点的高度的相关特征包括:
每一帧雷达反射点的平均高度与时间线性拟合的变化率,和/或每一帧雷达反射点的平均高度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均高度;
其中,所述雷达反射点的速度的相关特征包括:
每一帧雷达反射点的平均多普勒速度与时间线性拟合的变化率,和/或每一帧雷达反射点的平均多普勒速度与时间的相关系数,和/或位置靠后的第二预定数量个连续帧内雷达反射点的平均多普勒速度;
其中,所述雷达反射面的反射点轨迹的相关特征包括:
每一帧横坐标平均反射点信息和纵坐标平均反射点信息的线性拟合误差,和/或每一帧横坐标平均反射点信息和纵坐标平均反射点信息的相关系数;和/或位置靠前的第三预定数量个连续帧的水平面坐标轨迹的中心,与位置靠后的第二预定数量个连续帧水平面坐标轨迹的中心之间的距离。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811301466.XA CN111134685B (zh) | 2018-11-02 | 2018-11-02 | 跌倒检测方法和装置 |
EP19205317.1A EP3648074A3 (en) | 2018-11-02 | 2019-10-25 | Fall detection method and apparatus |
JP2019194522A JP2020071226A (ja) | 2018-11-02 | 2019-10-25 | 転倒検出方法及び装置 |
US16/665,518 US11074800B2 (en) | 2018-11-02 | 2019-10-28 | Fall detection method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811301466.XA CN111134685B (zh) | 2018-11-02 | 2018-11-02 | 跌倒检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111134685A CN111134685A (zh) | 2020-05-12 |
CN111134685B true CN111134685B (zh) | 2022-08-09 |
Family
ID=68344707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811301466.XA Active CN111134685B (zh) | 2018-11-02 | 2018-11-02 | 跌倒检测方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11074800B2 (zh) |
EP (1) | EP3648074A3 (zh) |
JP (1) | JP2020071226A (zh) |
CN (1) | CN111134685B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11000078B2 (en) * | 2015-12-28 | 2021-05-11 | Xin Jin | Personal airbag device for preventing bodily injury |
US20220146664A1 (en) * | 2019-03-28 | 2022-05-12 | Sony Semiconductor Solutions Corporation | Signal processing device, signal processing method, program, and information processing device |
WO2021118570A1 (en) * | 2019-12-12 | 2021-06-17 | Google Llc | Radar-based monitoring of a fall by a person |
EP4081107A4 (en) * | 2019-12-23 | 2024-01-24 | Vayyar Imaging Ltd | FALL DETECTION SYSTEMS AND METHODS |
US20210270050A1 (en) * | 2020-02-27 | 2021-09-02 | Mirza Faizan | System to prevent injury from stair fall |
CN111624572B (zh) * | 2020-05-26 | 2023-07-18 | 京东方科技集团股份有限公司 | 一种人体手部与人体手势识别的方法及装置 |
CN113820704A (zh) * | 2020-06-19 | 2021-12-21 | 富士通株式会社 | 检测运动目标的方法、装置和电子设备 |
JP7499449B2 (ja) | 2020-07-30 | 2024-06-14 | パナソニックIpマネジメント株式会社 | 在席検知システムおよび在席検知方法 |
TWI761934B (zh) * | 2020-09-01 | 2022-04-21 | 緯創資通股份有限公司 | 非接觸式動作偵測方法、動作偵測裝置以及危險情境偵測方法 |
KR102420808B1 (ko) * | 2020-09-15 | 2022-07-14 | (주)스마트레이더시스템 | 레이더 포인트 클라우드 기반 자세 판단 시스템 |
CN112346055B (zh) * | 2020-10-23 | 2024-04-16 | 无锡威孚高科技集团股份有限公司 | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 |
CN112180359B (zh) * | 2020-11-03 | 2024-04-05 | 常州百芝龙智慧科技有限公司 | 一种基于fmcw的人体摔倒的检测方法 |
US11380181B2 (en) * | 2020-12-09 | 2022-07-05 | MS Technologies | Doppler radar system with machine learning applications for fall prediction and detection |
CN112472481A (zh) * | 2020-12-15 | 2021-03-12 | 沈阳工业大学 | 一种躯干遮挡状态下动态人体位姿识别嵌入式平台 |
WO2022139783A1 (en) * | 2020-12-21 | 2022-06-30 | Intel Corporation | High end imaging radar |
JP2024505237A (ja) * | 2021-01-29 | 2024-02-05 | シメオ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 自動車グレードのレーダ信号においてオブジェクトを検出するための方法 |
CN113208566B (zh) * | 2021-05-17 | 2023-06-23 | 深圳大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113311428B (zh) * | 2021-05-25 | 2023-05-30 | 山西大学 | 一种基于毫米波雷达的人体跌倒智能监测系统及跌倒识别方法 |
US11741813B2 (en) * | 2021-06-04 | 2023-08-29 | Climax Technology Co., Ltd. | Fall detection system and method |
EP4102248A1 (en) * | 2021-06-07 | 2022-12-14 | Climax Technology Co., Ltd. | Fall detection system and method |
AU2021104454B4 (en) * | 2021-07-22 | 2022-06-30 | Cn Technology Pty. Ltd. | The Radar-based Fall Detection System |
GB202110551D0 (en) * | 2021-07-22 | 2021-09-08 | Essence Smartcare Ltd | Fall detection |
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 |
CN113837055A (zh) * | 2021-09-18 | 2021-12-24 | 南京润楠医疗电子研究院有限公司 | 跌倒检测方法、装置、电子设备及存储介质 |
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 |
CN116840835B (zh) * | 2022-05-05 | 2024-05-10 | 南方科技大学 | 一种基于毫米波雷达的跌倒检测方法、系统及设备 |
CN114720977B (zh) * | 2022-06-10 | 2022-09-20 | 长沙莫之比智能科技有限公司 | 对象跌倒检测方法、装置、毫米波雷达和存储介质 |
CN115291184B (zh) * | 2022-10-08 | 2023-03-24 | 四川启睿克科技有限公司 | 一种毫米波雷达与深度学习结合的姿态监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7916066B1 (en) * | 2006-04-27 | 2011-03-29 | Josef Osterweil | Method and apparatus for a body position monitor and fall detector using radar |
CN108279413A (zh) * | 2017-01-06 | 2018-07-13 | 松下知识产权经营株式会社 | 传感器以及方法 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5361070B1 (en) * | 1993-04-12 | 2000-05-16 | Univ California | Ultra-wideband radar motion sensor |
US7593692B2 (en) * | 2003-09-15 | 2009-09-22 | Broadcom Corporation | Radar detection circuit for a WLAN transceiver |
US20060001545A1 (en) * | 2005-05-04 | 2006-01-05 | Mr. Brian Wolf | Non-Intrusive Fall Protection Device, System and Method |
US7567200B1 (en) * | 2006-04-27 | 2009-07-28 | Josef Osterweil | Method and apparatus for body position monitor and fall detect ion using radar |
US8265375B2 (en) * | 2006-06-16 | 2012-09-11 | Shirley Lyle G | Method and apparatus for remote sensing of objects utilizing radiation speckle |
US8217795B2 (en) * | 2006-12-05 | 2012-07-10 | John Carlton-Foss | Method and system for fall detection |
US7612681B2 (en) * | 2007-02-06 | 2009-11-03 | General Electric Company | System and method for predicting fall risk for a resident |
FI120605B (fi) * | 2008-02-28 | 2009-12-15 | Elsi Technologies Oy | Menetelmä ja järjestelmä tapahtumien havaitsemiseen |
KR100975590B1 (ko) * | 2008-05-22 | 2010-08-13 | (주) 텔트론 | 졸음 감지방법 |
US8427324B2 (en) * | 2010-07-30 | 2013-04-23 | General Electric Company | Method and system for detecting a fallen person using a range imaging device |
US8742935B2 (en) * | 2011-06-30 | 2014-06-03 | General Electric Company | Radar based systems and methods for detecting a fallen person |
EP2904420A4 (en) * | 2012-10-05 | 2016-05-25 | Transrobotics Inc | SYSTEMS AND METHODS FOR HIGH RESOLUTION DISTANCE DETECTION AND APPLICATIONS |
JP5523534B2 (ja) * | 2012-10-22 | 2014-06-18 | 沖電気工業株式会社 | 特徴量算出装置及びプログラム |
US20140362213A1 (en) * | 2013-06-05 | 2014-12-11 | Vincent Tseng | Residence fall and inactivity monitoring system |
CN105814450B (zh) | 2013-10-09 | 2018-08-28 | 麻省理工学院 | 通过身体无线电反射的运动跟踪 |
WO2015168093A1 (en) | 2014-04-28 | 2015-11-05 | Massachusetts Institute Of Technology | Vital signs monitoring via radio reflections |
US10845463B2 (en) * | 2015-07-17 | 2020-11-24 | Origin Wireless, Inc. | Method, apparatus, and system for wireless object scanning |
WO2016155789A1 (en) * | 2015-03-31 | 2016-10-06 | Nec Europe Ltd. | Fall detection system and method |
JP6706031B2 (ja) * | 2015-05-25 | 2020-06-03 | 日本無線株式会社 | 状態事象識別装置 |
KR20180015162A (ko) * | 2015-05-31 | 2018-02-12 | 센스4캐어 | 사람 활동을 원격 모니터링하는 시스템 |
US9576468B2 (en) * | 2015-06-29 | 2017-02-21 | Echocare Technologies Ltd. | Human motion feature extraction in personal emergency response systems and methods |
US10037671B2 (en) * | 2015-06-29 | 2018-07-31 | Echocare Technologies Ltd. | Human respiration feature extraction in personal emergency response systems and methods |
US20180064373A1 (en) * | 2016-09-04 | 2018-03-08 | Essence Smartcare Ltd. | Detecting falls and near falls by ultrasound |
US10204498B2 (en) * | 2016-10-02 | 2019-02-12 | Marquette Trishaun | System for monitoring state of user and related methods |
CN106530619A (zh) | 2016-12-16 | 2017-03-22 | 北京囡宝科技有限公司 | 智能终端以及用其进行人体位置识别和跌倒检测的方法 |
JP7150292B2 (ja) * | 2017-03-31 | 2022-10-11 | 慶應義塾 | 行動認識システム、及び行動認識方法 |
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 |
CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
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 |
-
2018
- 2018-11-02 CN CN201811301466.XA patent/CN111134685B/zh active Active
-
2019
- 2019-10-25 EP EP19205317.1A patent/EP3648074A3/en not_active Withdrawn
- 2019-10-25 JP JP2019194522A patent/JP2020071226A/ja not_active Ceased
- 2019-10-28 US US16/665,518 patent/US11074800B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7916066B1 (en) * | 2006-04-27 | 2011-03-29 | Josef Osterweil | Method and apparatus for a body position monitor and fall detector using radar |
CN108279413A (zh) * | 2017-01-06 | 2018-07-13 | 松下知识产权经营株式会社 | 传感器以及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111134685A (zh) | 2020-05-12 |
EP3648074A3 (en) | 2020-07-08 |
US11074800B2 (en) | 2021-07-27 |
EP3648074A2 (en) | 2020-05-06 |
US20200143656A1 (en) | 2020-05-07 |
JP2020071226A (ja) | 2020-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111134685B (zh) | 跌倒检测方法和装置 | |
CN111627185A (zh) | 跌倒报警方法、装置以及跌倒检测系统 | |
CN112394334B (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
CN112386248B (zh) | 人体跌倒的检测方法、装置、设备及计算机可读存储介质 | |
US20220179062A1 (en) | Detection apparatus and method | |
US20210100451A1 (en) | Systems and methods of remote extraction of skeletal information using millimeter wave radar | |
KR101804681B1 (ko) | 저해상도 2d 라이다 센서를 이용한 사람 탐지 장치 및 방법 | |
JP2017156219A (ja) | 追尾装置、追尾方法およびプログラム | |
EP3982160A1 (en) | Method and system for indoor multipath ghosts recognition | |
CN111722187B (zh) | 雷达安装参数计算方法以及装置 | |
Hyun et al. | Human-vehicle classification scheme using doppler spectrum distribution based on 2D range-doppler FMCW radar | |
CN110837079A (zh) | 一种基于雷达的目标检测方法及装置 | |
JP7484492B2 (ja) | レーダーに基づく姿勢認識装置、方法及び電子機器 | |
CN111751814A (zh) | 基于无线信号的运动状态检测装置、方法及系统 | |
JP2017142164A (ja) | レーダ装置、目標形状推定方法及びプログラム | |
CN115372963B (zh) | 基于毫米波雷达信号的跌倒行为多层次检测方法及设备 | |
CN113466851A (zh) | 人体姿态检测方法、装置和数据处理设备 | |
TWI772208B (zh) | 基於毫米波雷達的人數偵測方法 | |
CN112741617A (zh) | 一种基于csi的全方向步态检测算法 | |
CN112130143A (zh) | 物品检测方法和装置 | |
JP7312275B2 (ja) | 情報処理装置、センシング装置、移動体、情報処理方法、及び、情報処理システム | |
JP7377494B2 (ja) | 属性の識別装置および識別方法 | |
CN111722196A (zh) | 雷达反射点提取方法和装置 | |
US20240219550A1 (en) | Detection system, sensor system, detection method, and recording medium | |
CN112485782B (zh) | 坐姿监测方法及装置、电子设备和可读存储介质 |
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 |