CN112700619B - 一种老人摔倒智能监测方法及系统 - Google Patents
一种老人摔倒智能监测方法及系统 Download PDFInfo
- Publication number
- CN112700619B CN112700619B CN202011591807.9A CN202011591807A CN112700619B CN 112700619 B CN112700619 B CN 112700619B CN 202011591807 A CN202011591807 A CN 202011591807A CN 112700619 B CN112700619 B CN 112700619B
- Authority
- CN
- China
- Prior art keywords
- posture
- time
- target
- radar
- doppler
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
一种老人摔倒智能监测方法及系统,属于智能监护领域,用以解决现有的摔倒监测设备中单一固定位置的雷达探测范围受限于波束角度且存在人体遮挡影响行为识别的问题。本发明利用多点移动布置的毫米波雷达从不同方位采集人体体态特征数据,形成立体探测,解决了单一固定位置的雷达模块探测范围受限于波束角度的问题;利用目标肢体参数比对法对时频分析结果进行分析判断,判断目标是否发生摔倒行为,解决了现有的摔倒监测方法中由于存在人体遮挡而影响行为识别准确率的问题,大大提高了行为识别结果的准确性和稳定性,实现了对老人行走、站立、摔倒等行为体态的识别,具有重要的医用价值和社会价值。
Description
技术领域
本发明涉及智能监护领域,具体涉及一种老人摔倒智能监测方法及系统。
背景技术
人口老龄化背景下病患看护给家庭、医院都带来极大难题;特别是疫情期间医护人员短缺,病患看护遇到极大挑战。日常生活中,行走过程发生跌落、摔倒情况易造成老人生理、心理问题的产生,但传统摔倒监测设备存在隐私保护差、束缚老人活动、易受电磁干扰等问题,难以在医院或养老院等场所普及。77GHz毫米波雷达具备毫米级高分辨率,能透过帷帐探测病患位姿,接收数据包含位移、方向、速度等信息,因此保护了病患隐私;且体积小、重量轻、成本低、无需随身携带等优点,可有效克服传统随身式防跌倒传感器限制正常行动的弊端。但单一固定位置的雷达模块探测范围受限于波束角度,且存在人体遮挡影响姿态识别问题,监测效果差。
发明内容
鉴于以上问题,本发明提出一种老人摔倒智能监测方法及系统,应对行走过程中摔倒事故的监测,解决现有的摔倒监测设备中单一固定位置的雷达探测范围受限于波束角度且存在人体遮挡影响姿态识别的问题。
根据本发明一方面,提出一种老人摔倒智能监测方法,该方法包括以下步骤:
步骤一、利用雷达实时采集目标的人体姿态回波数据,并对所述人体姿态回波数据进行处理,获取时频分析结果;其中,时频分析结果包括目标的位置信息和多普勒信息;
步骤二、根据所述时频分析结果对目标姿态进行分析判断,当分析判断结果为摔倒姿态时发送报警信息;其中,所述目标姿态包括行走、站立和摔倒。
进一步地,步骤一中所述位置信息包括距离-时间图,所述多普勒信息为多普勒-时间图,包括上肢多普勒信息和下肢多普勒信息。
进一步地,步骤一的具体步骤包括:
以固定位置为原点建立X-Y坐标系,所述雷达包括位于原点的雷达A、位于X轴上的雷达B和位于Y轴上的雷达C,其中,雷达B和雷达C沿坐标轴方向以固定间隔距离移动至不同位置点进行扫描采集;
步骤一一、所述雷达A、雷达B和雷达C同时扫描采集人体姿态回波数据,若任一雷达所采集的人体姿态回波数据经处理后获取的时频分析结果中包含符合条件的多普勒信息,则继续执行步骤一六;若均不包含符合条件的多普勒信息,则继续执行步骤一二;
步骤一二、雷达A保持扫描一个固定采集周期,雷达B和雷达C不工作;若雷达A在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一三;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一三、雷达B保持扫描一个固定采集周期,雷达A和雷达C不工作;若雷达B在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一四;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一四、雷达C保持扫描一个固定采集周期,雷达A和雷达B不工作;若雷达C在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一二;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一五、其余两个雷达开始工作,三个雷达共同执行扫描采集;
步骤一六、输出三个雷达所采集的人体姿态回波数据经过处理后的时频分析结果。
进一步地,对所述人体姿态回波数据进行处理的方法为对人体姿态回波数据做傅里叶变换fft、短时傅里叶变换stft来获得时频分析结果。
进一步地,符合条件的多普勒信息为多普勒-时间图中存在零频附近的展宽。
进一步地,步骤二中根据所述时频分析结果对目标姿态进行分析判断的具体步骤为:
步骤二一、区分目标是行走姿态或非行走状态:若所述距离-时间图中不包含目标位置变动信息且目标在某一位置区域的停留时间大于预设时间阈值,则判断目标为非行走姿态,即站立或摔倒姿态;
步骤二二、区分目标是站立姿态或躺卧姿态:在所述停留时间内根据所述距离-时间图和下述公式一获得身体躯干坐标,并将身体躯干坐标中Z轴坐标和预设高度阈值进行比较,若Z轴坐标大于预设高度阈值,则判断目标为躺卧姿态;其中,所述公式一为:
其中,RA、RB、Rc表示雷达探测到的目标距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(x,y,z)表示身体躯干坐标;
步骤二三、进一步判断目标所处躺卧姿态是否为摔倒姿态:首先根据所述距离-时间图和下述公式二获得周围物体轮廓坐标,接着根据身体躯干坐标和周围物体轮廓坐标确定目标身体躯干部位是否与周围物体邻近,1)若目标身体躯干部位与周围物体邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值的最大值进一步确定目标姿态是否为摔倒姿态;2)若目标身体躯干部位与周围物体不邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中是否有摆动的微多普勒信息来确定是否存在呼救动作,若有摆动的微多普勒信息,则判断目标为摔倒姿态;其中,所述公式二为:
其中,RAT、RBT、RcT表示雷达探测到的周围物体距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(xT,yT,zT)表示周围物体轮廓坐标。
进一步地,步骤二三中根据身体躯干坐标和周围物体轮廓坐标确定目标身体躯干部位是否与周围物体邻近的判断准则为:若公式三成立,则确定目标身体躯干部位与周围物体邻近;其中,所述公式三为:
其中,β表示预设邻近阈值。
进一步地,步骤二三中根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值的最大值进一步确定目标姿态是否为摔倒姿态的判断方法为:获取行走姿态下上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值R,将其与躺卧姿态下上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值S比较,若S与R的比值大于预设比例阈值,则确定为摔倒姿态。
进一步地,步骤二中所述报警信息包括摔倒姿态发生的位置信息和时间信息。
根据本发明另一方面,提出一种老人摔倒智能监测系统,该系统包括数据采集端、数据处理端和显示终端;其中,所述数据采集端包括一个或多个人体姿态采集处理模块和载体部件;所述人体姿态采集处理模块包括人体姿态采集单元、微处理单元和无线通信单元W,所述人体姿态采集单元用于采集不同方位的人体姿态回波数据,并传输给微处理单元;所述微处理单元用于对人体姿态回波数据进行处理,并将处理后获得的时频分析结果通过无线通信单元W传输至数据处理端;所述载体部件用于承载所述人体姿态采集处理模块;
所述数据处理端包括数据分析模块和无线通信模块U;所述数据分析模块用于根据所述时频分析结果对目标姿态进行分析判断,判断是否发出报警信息;所述无线通信模块U用于接收所述时频分析结果并发送报警信息至显示终端;其中,所述报警信息包括摔倒发生的位置信息和时间信息;
所述显示终端包括显示模块和无线通信模块V;所述显示模块用于显示报警信息和提示信息;所述无线通信模块V用于接收报警信息。
进一步地,所述载体部件包括滑动模块和导轨,所述滑动模块沿所述导轨滑动。
进一步地,所述人体姿态采集处理模块为三个,其中一个固定于所述导轨上,另外两个固定于所述滑动模块上。
进一步地,所述人体姿态采集单元为毫米波雷达。
本发明的有益技术效果是:
本发明利用多点移动布置的毫米波雷达从不同方位采集人体姿态回波数据,形成立体探测,解决了单一固定位置的雷达模块探测范围受限于波束角度的问题;本发明利用目标肢体参数比对法对时频分析结果进行分析判断,判断目标是否发生摔倒姿态,解决了现有的摔倒监测设备中存在人体遮挡影响姿态识别大大提高了判断结果的准确性和稳定性,实现了对老人行走、站立、摔倒等姿态体态的识别,具有重要的医用意义和社会价值。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。
图1示出了根据本发明实施方式一种老人摔倒智能监测方法的示意性流程图;
图2示出了根据本发明实施方式一种老人摔倒智能监测方法中采集人体姿态回波数据的示意性流程图;
图3示出了根据本发明实施方式一种老人摔倒智能监测系统的示意性结构图;
图4示出了根据本发明实施方式一种老人摔倒智能监测系统中雷达分布示意图;
图5示出了根据本发明实施方式一种老人摔倒智能监测系统中雷达工作坐标示意图。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本发明内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
具体实施例一
如图1所示,一种老人摔倒智能监测方法,包括以下步骤:
步骤一、利用雷达实时采集目标的人体姿态回波数据,并对人体姿态回波数据进行处理,获取时频分析结果;其中,时频分析结果包括距离-时间图、多普勒-时间图,即包含目标的位置信息和多普勒信息;
以固定位置为原点建立X-Y坐标系,雷达包括位于原点的雷达A、位于X轴上的雷达B和位于Y轴上的雷达C,其中,雷达B和雷达C沿坐标轴方向以固定间隔距离移动至不同位置点进行扫描采集;固定位置例如为房间墙角顶端,如图2所示,利用雷达实时采集目标的人体姿态回波数据的具体步骤为:
步骤一一、雷达A、雷达B和雷达C同时扫描来采集人体姿态回波数据,若任一雷达采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一六;若三个雷达采集到的人体姿态回波数据所对应的时频分析结果均无目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一二;
步骤一二、雷达A保持扫描一个固定采集周期,雷达B和雷达C不工作;若雷达A在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一三;若雷达A采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一三、雷达B保持扫描一个固定采集周期,雷达A和雷达C不工作;若雷达B在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一四;若雷达B采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一四、雷达C保持扫描一个固定采集周期,雷达A和雷达B不工作;若雷达C在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一二;若雷达C采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一五、其余两个雷达开始工作,三个雷达共同执行扫描采集;
步骤一六、输出三个雷达的回波数据及时频分析结果(即距离-时间图、多普勒-时间图)。其中,固定采集周期例如为10分钟。
根据本发明实施例,雷达A、雷达B和雷达C均为毫米波雷达,均采用FMCW波形且波形参数各异,载频互不相同且工作频带无重叠干扰;雷达B和雷达C在移动过程中不工作,采取固定位置点探测的方式进行场景感知,获取人体的姿态回波数据和周围物体轮廓数据。
步骤二、根据时频分析结果对目标姿态进行分析判断,当分析判断结果为摔倒姿态时发送报警信息;其中,目标姿态包括行走、站立、摔倒,摔倒姿态定义为肢体躺卧且伴随上肢或下肢摆动;报警信息包括摔倒姿态发生的位置信息和时间信息。
对目标姿态进行分析判断的具体步骤为:
步骤二一、区分目标是行走姿态或非行走状态:若三个雷达同时获取的时频分析结果中的距离-时间图不包含目标位置变动信息且目标在某一位置区域的停留时间大于预设时间阈值,则判断目标为非行走姿态,即站立或躺卧姿态;其中,预设时间阈值例如为60秒;若所述三个雷达同时获取的时频分析结果中任一距离-时间图存在目标位置变动信息,且任一多普勒-时间图存在符合条件的多普勒信息(即多普勒-时间图存在零频附近的展宽),则判断目标为行走姿态;
步骤二二、区分目标是站立姿态或躺卧姿态:在停留时间内根据三个雷达同时获取的时频分析结果中的距离-时间图和下述公式一获得身体躯干坐标,并将身体躯干坐标中Z轴坐标和预设高度阈值进行比较,若Z轴坐标大于预设高度阈值,则判断目标为躺卧姿态;其中,公式一为:
其中,RA、RB、Rc表示三个雷达探测到的目标距离信息;(xA,yA,zA)、(xB,yB,zB)(xC,yC,zC)表示某一时刻雷达的位置坐标;(x,y,z)表示身体躯干坐标;
根据本发明实施例,可由以上三个公式联立求得身体躯干坐标(即三点定位法);若z>L-α,即预设高度阈值为L-α,则判断目标为躺卧姿态,这里,L为房间地面到天花板高度,α通常可以取0.5米;
步骤二三、判断目标所处躺卧姿态是否为摔倒姿态:
1)根据步骤一二、一三、一四中所述时频分析结果中的距离-时间图和下述公式二获得周围物体轮廓坐标;其中,公式二为:
其中,RAT、RBT、RcT表示三个雷达探测到的周围物体距离信息;(xA,yA,zA)、(xB,yB,zB)(xC,yC,zC)表示某一时刻雷达的位置坐标;(xT,yT,zT)表示周围物体轮廓坐标;
2)根据身体躯干坐标、周围物体轮廓坐标及下述公式三确定目标身体躯干部位是否与周围物体邻近,若公式三成立,则确定目标身体躯干部位与周围物体邻近;其中,公式三为:
其中,β表示预设邻近阈值,可根据经验或实验获得,常取0.2米;
A.若目标身体躯干部位与周围物体邻近,则根据停留时间内三个雷达同时获取的时频分析结果融合中上肢肢体多普勒信息D、下肢肢体多普勒信息E与行走状态下上肢肢体多普勒-时间图、下肢肢体多普勒-时间图中对应多普勒幅值的比值,任一比值大于比例阈值c,则判断目标为摔倒姿态,其区别于睡眠状态(持续时间内肢体不存在运动,即D=0,E=0);进一步地,上肢肢体多普勒信息D、下肢肢体多普勒信息E为三个雷达同时获取的时频分析结果融合的多普勒-时间图中零频附近的频率展宽,即三个雷达获取的多普勒-时间图中对应多普勒幅值的最大值,一般地,D对应时频分析结果融合的多普勒-时间图中频率展宽的内包络,E对应时频分析结果融合的多普勒-时间图中频率展宽的外包络,D、E变化具有不同周期;
B.若目标身体躯干部位与周围物体不邻近,则根据停留时间内三个雷达同时获取的时频分析结果中上肢肢体多普勒信息D、下肢肢体多普勒信息E的微多普勒阈值信息来确定是否存在呼救动作,若有摆动的微多普勒信息,则判断目标为摔倒姿态。可解释为,因摔倒后人体正常自救反应,即上、下肢肢体多普勒-时间图中多普勒信息D、E与行走状态上、下肢肢体多普勒-时间图中对应幅值的比值,任一比值大于比例阈值d,则判断为摔倒姿态。
可选地,对目标姿态进行分析判断的方法也可以依托现有的深度卷积神经网络进行时频图像(距离-时间图、多普勒-时间图)的分类来划分位姿姿态。
具体实施例二
如图3所示,一种老人摔倒智能监测系统,包括数据采集端1、数据处理端2和显示终端3;其中,数据采集端1包括一个或多个人体姿态采集处理模块11和载体部件12;人体姿态采集处理模块11包括人体姿态采集单元111、微处理单元112和无线通信单元W113,人体姿态采集单元111用于采集不同方位的人体姿态回波数据,并传输给微处理单元112;微处理单元112用于对人体姿态回波数据进行处理,并将处理后获得的时频分析结果通过无线通信单元W113传输至数据处理端2;载体部件12用于承载人体姿态采集处理模块11,载体部件12包括滑动模块121和导轨122,滑动模块121沿导轨122滑动;
根据本发明实施例,利用基于5G网络环境下的高速无线通信模块实现信息的快速传输,减小信息传输所需时间,保证所探测的信息可以实时传输给数据处理端2;区别于当前流行方案中雷达采集数据量大(大于500M)、传输工作量大(实时性差)且易丢包问题,本发明中无线通信单元W113仅传输时频分析结果而非全部回波数据。
数据处理端2包括数据分析模块21和无线通信模块U22;数据分析模块21用于根据时频分析结果对目标的姿态进行分析判断,判断是否发出报警信息;无线通信模块U22用于接收时频分析结果并发送报警信息至显示终端3;
显示终端3包括显示模块31和无线通信模块V32;显示模块31用于显示报警信息和提示信息;无线通信模块V32用于接收报警信息。
根据本发明实施例,显示终端3用于在得到报警指令后在显示面板上显示摔倒的位置和时间信息,同时扬声器发出报警提示音;在摔倒事故处理结束后可以向数据处理端2发送警报处理结束的反馈信息,同时扬声器停止发出报警提示音。
如图4所示,人体姿态采集处理模块11为三个,其中一个固定于导轨122上,另外两个固定于滑动模块121上;人体姿态采集单元111为毫米波雷达,例如,可采用德州仪器的77GHzIWR1443或AWR1642毫米波雷达,三个毫米波雷达均采用FMCW波形且波形参数各异,且三个毫米波雷达的载频互不相同,工作频带无重叠干扰。
如图5所示,X轴、Y轴表示导轨,坐标原点表示墙角,雷达A、雷达B和雷达C采取导轨上固定位置点(1/2/3/4/5/6)探测的方式进行场景感知,获取人体的姿态回波和周围物体轮廓;其中,雷达A固定于墙角即坐标原点处,不可移动;雷达B位于X轴上,可以移动到1/2/3位置处;雷达C位于Y轴上,可以移动到4/5/6位置处;雷达B和雷达C采取方向一致移动模式,例如,雷达B由1->2->3->2->1移动,雷达C由4->5->6->5->4移动;滑动模块121停止于固定位置点,且在固定位置点进行探测,滑动模块121移动过程中雷达不工作;雷达A、雷达B和雷达C按照以下步骤对人体姿态回波数据进行扫描采集:
步骤一一、雷达A、雷达B和雷达C同时扫描采集人体姿态回波数据,若任一雷达采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一六;若三个雷达采集到的人体姿态回波数据所对应的时频分析结果均无目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一二;
步骤一二、雷达A保持扫描一个固定采集周期,雷达B和雷达C不工作;若雷达A在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一三;若雷达A采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一三、雷达B保持扫描一个固定采集周期,雷达A和雷达C不工作;若雷达B在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一四;若雷达B采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一四、雷达C保持扫描一个固定采集周期,雷达A和雷达B不工作;若雷达C在一个固定采集周期内没有采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一二;若雷达C采集到的人体姿态回波数据所对应的时频分析结果存在目标的多普勒信息(即多普勒-时间图存在零频附近的展宽),则继续执行步骤一五;
步骤一五、其余两个雷达开始工作,三个雷达共同执行扫描采集;
步骤一六、输出三个雷达的回波数据及时频分析结果(即距离-时间图、多普勒-时间图)。其中,固定采集周期例如为10分钟。
进一步地,数据分析模块21中按照下述步骤根据时频分析结果对目标姿态进行分析判断:
步骤二一、区分目标是行走姿态或非行走状态:若距离-时间图不包含目标位置变动信息且目标在某一位置区域的停留时间大于预设时间阈值,则判断目标为非行走姿态,即站立或躺卧姿态;其中,预设时间阈值例如为60秒;
步骤二二、区分目标是站立姿态或躺卧姿态:在停留时间内根据距离-时间图和下述公式一获得身体躯干坐标,并将身体躯干坐标中Z轴坐标和预设高度阈值进行比较,若Z轴坐标大于预设高度阈值,则判断目标为躺卧姿态;其中,公式一为:
其中,RA、RB、Rc表示雷达探测到的目标距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(x,y,z)表示身体躯干坐标;
根据本发明实施例,可由以上三个公式联立求得身体躯干坐标(即三点定位法);若z>L-α,即预设高度阈值为L-α,则判断目标为躺卧姿态,这里,L为房间地面到天花板高度,α通常可以取0.5米;
步骤二三、判断目标所处躺卧姿态是否为摔倒姿态:
1)根据步骤一二、一三、一四中时频分析结果中的距离-时间图和下述公式二获得周围物体轮廓坐标;其中,公式二为:
其中,RAT、RBT、RcT表示雷达探测到的周围物体距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(xT,yT,zT)表示周围物体轮廓坐标;
2)根据身体躯干坐标、周围物体轮廓坐标及下述公式三确定目标身体躯干部位是否与周围物体邻近,若公式三成立,则确定目标身体躯干部位与周围物体邻近;其中,公式三为:
其中,β表示预设邻近阈值,可根据经验或实验获得,常取0.2米;
A.若目标身体躯干部位与周围物体邻近,则根据停留时间内三个雷达同时获取的时频分析结果融合中上肢肢体多普勒信息D、下肢肢体多普勒信息E,与行走状态下上肢肢体多普勒-时间图、下肢肢体多普勒-时间图中对应多普勒幅值的比值,任一比值大于比例阈值c,判断目标为摔倒姿态;区别于睡眠休息状态(持续时间内肢体不存在运动或运动幅度较小);进一步地,上肢肢体多普勒信息D、下肢肢体多普勒信息E为三个雷达同时获取的时频分析结果融合的多普勒-时间图中零频附近的频率展宽,即三个雷达获取的多普勒-时间图中对应多普勒幅值的最大值,一般地,D对应时频分析结果融合的多普勒-时间图中频率展宽的内包络,E对应时频分析结果融合的多普勒-时间图中频率展宽的外包络,D、E变化具有不同周期;
B.若目标身体躯干部位与周围物体不邻近,则根据停留时间内三个雷达同时获取的时频分析结果中上肢肢体多普勒信息D、下肢肢体多普勒信息E的微多普勒阈值信息来确定是否存在呼救动作,若有摆动的微多普勒信息,则判断目标为摔倒姿态;可解释为,因摔倒后人体正常自救反应,即上、下肢肢体多普勒-时间图中多普勒信息D、E与行走状态上、下肢肢体多普勒-时间图中对应幅值的比值,任一比值大于比例阈值d,则判断为摔倒姿态。
本发明实施例所述的老人摔倒智能监测系统的功能可以由前述老人摔倒智能监测方法说明,因此本实施例未详述部分,可参见以上方法实施例,在此不再赘述。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (8)
1.一种老人摔倒智能监测方法,其特征在于,包括以下步骤:
步骤一、利用雷达实时采集目标的人体姿态回波数据,并对所述人体姿态回波数据进行处理,获取时频分析结果;其中,时频分析结果包括目标的位置信息和多普勒信息;所述位置信息包括距离-时间图,所述多普勒信息为多普勒-时间图,包括上肢多普勒信息和下肢多普勒信息;
步骤二、根据所述时频分析结果对目标姿态进行分析判断,当分析判断结果为摔倒姿态时发送报警信息;其中,所述目标姿态包括行走、站立和摔倒;根据所述时频分析结果对目标姿态进行分析判断的具体步骤为:
步骤二一、区分目标是行走姿态或非行走状态:若所述距离-时间图中不包含目标位置变动信息且目标在某一位置区域的停留时间大于预设时间阈值,则判断目标为非行走姿态,即站立或摔倒姿态;
步骤二二、区分目标是站立姿态或躺卧姿态:在所述停留时间内根据所述距离-时间图和下述公式一获得身体躯干坐标,并将身体躯干坐标中Z轴坐标和预设高度阈值进行比较,若Z轴坐标大于预设高度阈值,则判断目标为躺卧姿态;所述公式一为:
其中,RA、RB、Rc表示雷达探测到的目标距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(x,y,z)表示身体躯干坐标;
步骤二三、进一步判断目标所处躺卧姿态是否为摔倒姿态:首先根据所述距离-时间图和下述公式二获得周围物体轮廓坐标,接着根据身体躯干坐标和周围物体轮廓坐标确定目标身体躯干部位是否与周围物体邻近,1)若目标身体躯干部位与周围物体邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值的最大值进一步确定目标姿态是否为摔倒姿态;2)若目标身体躯干部位与周围物体不邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中是否有摆动的微多普勒信息来确定是否存在呼救动作,若有摆动的微多普勒信息,则判断目标为摔倒姿态;其中,所述公式二为:
其中,RAT、RBT、RcT表示雷达探测到的周围物体距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(xT,yT,zT)表示周围物体轮廓坐标。
2.根据权利要求1所述的一种老人摔倒智能监测方法,其特征在于,步骤一的具体步骤包括:
以固定位置为原点建立X-Y坐标系,所述雷达包括位于原点的雷达A、位于X轴上的雷达B和位于Y轴上的雷达C,其中,雷达B和雷达C沿坐标轴方向以固定间隔距离移动至不同位置点进行扫描采集;
步骤一一、所述雷达A、雷达B和雷达C同时扫描来采集人体姿态回波数据,若任一雷达所采集的人体姿态回波数据经处理后获取的时频分析结果中包含符合条件的多普勒信息,则继续执行步骤一六;若均不包含符合条件的多普勒信息,则继续执行步骤一二;
步骤一二、雷达A保持扫描一个固定采集周期,雷达B和雷达C不工作;若雷达A在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一三;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一三、雷达B保持扫描一个固定采集周期,雷达A和雷达C不工作;若雷达B在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一四;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一四、雷达C保持扫描一个固定采集周期,雷达A和雷达B不工作;若雷达C在一个固定采集周期内所采集的人体姿态回波数据经处理后获取的时频分析结果中不包含符合条件的多普勒信息,则继续执行步骤一二;若包含符合条件的多普勒信息,则继续执行步骤一五;
步骤一五、其余两个雷达开始工作,三个雷达共同执行扫描采集;
步骤一六、输出三个雷达所采集的人体姿态回波数据经过处理后的时频分析结果。
3.根据权利要求2所述的一种老人摔倒智能监测方法,其特征在于,步骤一一中符合条件的多普勒信息为多普勒-时间图中存在零频附近的展宽。
4.根据权利要求1所述的一种老人摔倒智能监测方法,其特征在于,步骤一中对所述人体姿态回波数据进行处理的方法为对人体姿态回波数据做傅里叶变换fft、短时傅里叶变换stft来获得时频分析结果。
6.根据权利要求5所述的一种老人摔倒智能监测方法,其特征在于,步骤二三中根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值的最大值进一步确定目标姿态是否为摔倒姿态的判断方法为:获取行走姿态下上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值R,将其与躺卧姿态下上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值S比较,若S与R的比值大于预设比例阈值,则确定为摔倒姿态。
7.一种老人摔倒智能监测系统,其特征在于,包括数据采集端、数据处理端和显示终端;其中,所述数据采集端包括一个或多个人体姿态采集处理模块和载体部件;所述人体姿态采集处理模块包括人体姿态回波采集单元、微处理单元和无线通信单元W,所述人体姿态采集单元用于采集不同方位的人体回波数据,并传输给微处理单元;所述微处理单元用于对人体回波数据进行处理,并将处理后获得的时频分析结果通过无线通信单元W传输至数据处理端,其中,时频分析结果包括目标的位置信息和多普勒信息,所述位置信息包括距离-时间图,所述多普勒信息为多普勒-时间图,包括上肢多普勒信息和下肢多普勒信息;所述载体部件用于承载所述人体姿态采集处理模块;
所述数据处理端包括数据分析模块和无线通信模块U;所述数据分析模块用于根据接收的所述时频分析结果对目标的姿态进行分析判断,判断是否发出报警信息,其中,根据接收的所述时频分析结果对目标姿态进行分析判断的具体步骤为:
步骤二一、区分目标是行走姿态或非行走状态:若所述距离-时间图中不包含目标位置变动信息且目标在某一位置区域的停留时间大于预设时间阈值,则判断目标为非行走姿态,即站立或摔倒姿态;
步骤二二、区分目标是站立姿态或躺卧姿态:在所述停留时间内根据所述距离-时间图和下述公式一获得身体躯干坐标,并将身体躯干坐标中Z轴坐标和预设高度阈值进行比较,若Z轴坐标大于预设高度阈值,则判断目标为躺卧姿态;所述公式一为:
其中,RA、RB、Rc表示雷达探测到的目标距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(x,y,z)表示身体躯干坐标;
步骤二三、进一步判断目标所处躺卧姿态是否为摔倒姿态:首先根据所述距离-时间图和下述公式二获得周围物体轮廓坐标,接着根据身体躯干坐标和周围物体轮廓坐标确定目标身体躯干部位是否与周围物体邻近,1)若目标身体躯干部位与周围物体邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中对应多普勒幅值的最大值进一步确定目标姿态是否为摔倒姿态;2)若目标身体躯干部位与周围物体不邻近,则根据所述上肢多普勒信息或下肢多普勒信息的多普勒-时间图中是否有摆动的微多普勒信息来确定是否存在呼救动作,若有摆动的微多普勒信息,则判断目标为摔倒姿态;其中,所述公式二为:
其中,RAT、RBT、RcT表示雷达探测到的周围物体距离信息,由所述距离-时间图得到;(xA,yA,zA)、(xB,yB,zB)、(xC,yC,zC)表示某一时刻多个雷达的位置坐标;(xT,yT,zT)表示周围物体轮廓坐标;
所述无线通信模块U用于接收所述分析判断结果并发送报警信息至显示终端;其中,所述报警信息包括摔倒姿态发生的位置信息和时间信息;
所述显示终端包括显示模块和无线通信模块V;所述显示模块用于显示报警信息和提示信息;所述无线通信模块V用于接收报警信息。
8.根据权利要求7所述的一种老人摔倒智能监测系统,其特征在于,所述载体部件包括滑动模块和导轨,所述滑动模块沿所述导轨滑动;所述人体姿态采集处理模块为三个,其中一个固定于所述导轨上,另外两个固定于所述滑动模块上;所述人体姿态采集单元为毫米波雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591807.9A CN112700619B (zh) | 2020-12-29 | 2020-12-29 | 一种老人摔倒智能监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591807.9A CN112700619B (zh) | 2020-12-29 | 2020-12-29 | 一种老人摔倒智能监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700619A CN112700619A (zh) | 2021-04-23 |
CN112700619B true CN112700619B (zh) | 2022-05-10 |
Family
ID=75511647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011591807.9A Active CN112700619B (zh) | 2020-12-29 | 2020-12-29 | 一种老人摔倒智能监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700619B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI774444B (zh) * | 2021-06-28 | 2022-08-11 | 萬旭電業股份有限公司 | 偵測跌倒姿勢之毫米波雷達裝置 |
CN114005247B (zh) * | 2021-09-16 | 2023-11-10 | 深圳绿米联创科技有限公司 | 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 |
CN113739790B (zh) * | 2021-11-02 | 2022-02-08 | 亿慧云智能科技(深圳)股份有限公司 | 一种被动式室内定位系统及定位方法 |
CN114384824A (zh) * | 2022-01-12 | 2022-04-22 | 广东蓝水花智能电子有限公司 | 一种智能卫生间控制方法及装置 |
CN114758476B (zh) * | 2022-04-18 | 2024-04-26 | 上海物骐微电子有限公司 | 活动信息监测方法、装置、系统、设备和存储介质 |
CN114563784B (zh) * | 2022-04-27 | 2022-08-09 | 武汉理工大学 | 一种基于双毫米波雷达的船载环境入侵检测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011247597A (ja) * | 2010-05-21 | 2011-12-08 | Mitsubishi Electric Corp | レーダ信号処理装置 |
CN109239706A (zh) * | 2018-08-27 | 2019-01-18 | 苏州矽典微智能科技有限公司 | 一种基于毫米波的人体检测方法及装置 |
CN210961972U (zh) * | 2019-07-03 | 2020-07-10 | 上海交通大学 | 一种人员生命安全无线监测系统 |
CN111443347B (zh) * | 2020-03-17 | 2022-05-27 | 山东省科学院自动化研究所 | 一种便携式单手持穿墙雷达目标检测装置及目标检测方法 |
CN111738060A (zh) * | 2020-05-07 | 2020-10-02 | 复旦大学 | 基于毫米波雷达的人体步态识别系统 |
-
2020
- 2020-12-29 CN CN202011591807.9A patent/CN112700619B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112700619A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700619B (zh) | 一种老人摔倒智能监测方法及系统 | |
CN105190691B (zh) | 用于获得对象的生命体征的设备 | |
CN113925475B (zh) | 一种非接触式的人体健康监测系统及监测方法 | |
CN109507653A (zh) | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 | |
CN107007263B (zh) | 一种普适化的睡眠质量测评方法和系统 | |
CN111427031B (zh) | 一种基于雷达信号的身份及手势识别方法 | |
CN201160859Y (zh) | 超声波诊断装置 | |
CN102499664A (zh) | 基于视频图像的非接触式生命体征的检测方法及检测系统 | |
US8854060B2 (en) | Physiological measurement instrument | |
CN110192862A (zh) | 一种基于雷达的非接触式人体呼吸检测方法及装置 | |
CN110456320A (zh) | 一种基于自由空间步态时序特征的超宽带雷达身份识别方法 | |
De Sá et al. | A matrix-based algorithm for estimating multiple coherence of a periodic signal and its application to the multichannel EEG during sensory stimulation | |
KR101903401B1 (ko) | Uwb 레이더를 이용한 차량내 생체 정보 측정 장치 및 방법 | |
CN106388786A (zh) | 一种基于智能指环采集数据的处理方法 | |
CN107293092A (zh) | 用于养老机器人的突发应急系统 | |
WO2019135579A1 (ko) | Uwb 레이더를 이용하는 부정맥 진단 방법 및 장치 | |
CN107358646A (zh) | 一种基于机器视觉的疲劳检测系统及方法 | |
Goldfine et al. | Respiratory rate monitoring in clinical environments with a contactless ultra-wideband impulse radar-based sensor system | |
CN114814832A (zh) | 基于毫米波雷达的人体跌倒行为实时监测系统及监测方法 | |
Blumrosen et al. | Noncontact tremor characterization using low-power wideband radar technology | |
Ammae et al. | Unobtrusive detection of body movements during sleep using Wi-Fi received signal strength with model adaptation technique | |
CN109084763B (zh) | 基于姿态角度测量的穿戴式三维室内定位装置及方法 | |
WO2019052212A1 (zh) | 扫描质量检测方法、控制器和装置 | |
CN115204221B (zh) | 生理参数的检测方法、设备及存储介质 | |
CN117218793A (zh) | 一种高准确率的居家式跌倒报警智能机器人 |
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 |