CN113466851A - 人体姿态检测方法、装置和数据处理设备 - Google Patents

人体姿态检测方法、装置和数据处理设备 Download PDF

Info

Publication number
CN113466851A
CN113466851A CN202010236334.4A CN202010236334A CN113466851A CN 113466851 A CN113466851 A CN 113466851A CN 202010236334 A CN202010236334 A CN 202010236334A CN 113466851 A CN113466851 A CN 113466851A
Authority
CN
China
Prior art keywords
human body
frequency point
angle
distance
fft data
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.)
Pending
Application number
CN202010236334.4A
Other languages
English (en)
Inventor
李红春
赵倩
谢莉莉
田军
李磊
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN202010236334.4A priority Critical patent/CN113466851A/zh
Publication of CN113466851A publication Critical patent/CN113466851A/zh
Pending legal-status Critical Current

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
    • 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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • 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
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请实施例提供了一种人体姿态检测方法、装置和数据处理设备，所述方法包括：根据雷达的角度FFT数据的波动确定人体所在的位置；根据雷达的角度FFT数据的差统计人体所在位置处的人体的高度信息；根据所述人体的高度信息检测人体的姿态。根据本申请实施例的方法，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。

Description

人体姿态检测方法、装置和数据处理设备
技术领域
本申请涉及信息技术领域，尤其涉及一种人体姿态检测方法、装置和数据处理设备。
背景技术
姿态检测是识别人的活动和行为的基础，在监控系统、智能家居、养老监护等领域有着广泛应用。随着计算机视觉、深度学习等技术的发展，基于视频的姿态检测已经达到很高的识别精度，是目前主流的姿态检测方案。但是，由于受到环境影响，视频技术无法在黑暗环境中使用，并且在复杂背景的环境中其检测精度也会下降。另一方面，视频对人的隐私的保护性差，无法在私密场所使用，比如卫生间、卧室等。
应该注意，上面对技术背景的介绍只是为了方便对本申请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申请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，基于雷达的姿态检测技术不受光照和背景环境影响，不侵犯人的隐私，与视频形成互补，可以应用在无法使用视频的场景中。然而，已有的基于雷达的姿态检测方法主要依赖点云进行姿态检测。点云是雷达捕捉人体的运动特征形成的，包括位置和速度信息等。雷达点云反映了人体的瞬态运动特征，其结果非常敏感，受雷达与目标之间的相对位置、相对速度等影响。同一动作姿态在不同时刻可能呈现不同的点云数据，这使得算法的泛化性能差。对于没有明显运动的姿态比如躺、坐等，雷达无法捕捉到点云信息。因此，无法使用点云进行姿态检测。
为了解决上述问题或解决其他类似问题，本申请实施例提供了一种人体姿态检测方法，该方法不使用点云，而是利用人体动作引起的信号波动进行姿态检测。
根据本申请实施例的一方面，提供一种人体姿态检测方法，其中，所述方法包括：
根据雷达的角度FFT数据的波动确定人体所在的位置；
根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
根据所述人体的高度信息检测人体的姿态。
根据本申请实施例的另一方面，提供一种人体姿态检测装置，其中，所述装置包括：
第一确定单元，其根据雷达的角度FFT数据的波动确定人体所在的位置；
统计单元，其根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
检测单元，其根据所述人体的高度信息检测人体的姿态。
根据本申请实施例的又一方面，提供一种数据处理设备，其中，所述数据处理设备包括处理器和存储器，所述存储器存储计算机程序，所述处理器被配置为执行所述计算机程序而实现如下所述的人体姿态检测方法：
根据雷达的角度FFT数据的波动确定人体所在的位置；
根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
根据所述人体的高度信息检测人体的姿态。
本申请实施例的有益效果之一在于：根据本申请实施例的方法，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。
参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请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，本申请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
在本申请实施例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。
所包括的附图用来提供对本申请实施例的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例的人体姿态检测方法的一个示意图；
图2是根据雷达的角度FFT数据的波动确定人体所在的位置的一个示例的示意图；
图3是根据角度FFT数据的差统计人体所在的位置处的人体的高度信息的一个方法的示意图；
图4是根据人体的高度信息检测人体的姿态的一个方法的示意图；
图5是根据人体的高度信息检测人体的姿态的另一个方法的示意图；
图6是根据人体的高度信息H构造的人体的高度分布PH的一个示意图；
图7是根据人体的高度信息H构造的人体的高度分布PH的另一个示意图；
图8是本申请实施例的人体姿态检测装置的一个示意图；
图9是第一确定单元的一个示例的示意图；
图10是统计单元的一个示例的示意图；
图11是检测单元的一个示例的示意图；
图12是检测单元的另一个示例的示意图；
图13是本申请实施例的数据处理设备的一个示意图。
具体实施方式
参照附图，通过下面的说明书，本申请的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本申请的特定实施方式，其表明了其中可以采用本申请的原则的部分实施方式，应了解的是，本申请不限于所描述的实施方式，相反，本申请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。
在本申请实施例中，术语“第一”、“第二”等用于对不同元素从称谓上进行区分，但并不表示这些元素的空间排列或时间顺序等，这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在，但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本申请实施例中，单数形式“一”、“该”等包括复数形式，应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义；此外术语“所述”应理解为既包括单数形式也包括复数形式，除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”，术语“基于”应理解为“至少部分基于……”，除非上下文另外明确指出。
在本申请实施例中，微波雷达均为FMCW(Frequency Modulated ContinuousWave，调频连续波)工作模式的雷达。雷达周期性地向空间发送无线信号，并接收反射信号，然后将发送信号和接收信号混合到一起生成中频(Intermediate Frequency)信号。通过对中频信号的数据分析和处理，雷达可以获得空间中物体的距离、速度、角度等信息。FMCW雷达每个周期发送多个线性调频脉冲，称为一组线性调频脉冲帧。
距离FFT(Fast Fourier Transform，快速傅里叶变换)处理一个线性调频脉冲的反射信号，将交叠在一起的信号在距离上分开；其相位反应了该距离上物体与雷达的微小距离变化。速度FFT对某个距离上连续多个反射的线性调频脉冲进行处理，获得该距离上物体的多普勒速度信息。角度FFT对某个距离上多根天线接收的同一脉冲的反射信号或同一多普勒频点的信号进行处理，获得该距离上物体的角度信息。结合上述距离信息和角度信息，可以进一步计算出物体的空间坐标。距离FFT、速度FFT和角度FFT是雷达信号处理的通用技术，这里不作赘述。
在t时刻，经过距离FFT、速度FFT和角度FFT的处理，最终得到的雷达角度FFT结果St可以用公式(1)表示。
Figure BDA0002431104740000041
其中，r为雷达的距离频点，1≤r≤Nr，Nr为最大距离频点数；a为雷达的水平角度频点，1≤a≤Na，Na为最大水平角度频点数；e为雷达的垂直角度频点，1≤e≤Ne，Ne为最大垂直角度频点数；
Figure BDA0002431104740000042
为t时刻雷达对应距离频点r、水平角度频点a、垂直角度频点b的角度FFT结果。
Figure BDA0002431104740000043
是一个复数，可以用公式(2)表示。
Figure BDA0002431104740000044
其中，
Figure BDA0002431104740000045
和
Figure BDA0002431104740000046
分别是
Figure BDA0002431104740000047
的幅值和相位。
下面结合附图对本申请实施例的各种实施方式进行说明。这些实施方式只是示例性的，不是对本申请实施例的限制。
第一方面的实施例
本申请实施例提供一种人体姿态检测方法。图1是本申请实施例的人体姿态检测方法的一个示例的示意图，请参照图1，该方法包括：
101：根据雷达的角度FFT数据的波动确定人体所在的位置；
102：根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
103：根据所述人体的高度信息检测人体的姿态。
根据本申请实施例的方法，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。
值得注意的是，附图1仅示意性地对本申请实施例进行了说明，但本申请不限于此。例如可以适当地调整各个操作之间的执行顺序，此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型，而不仅限于上述附图1的记载。
与墙壁、桌子等固定物体相比，人体是很难做到绝对静止不动的。因此，从固定物体反射的雷达信号随时间的变化小，角度FFT数据的波动小；从人体反射的雷达信号随时间的变化大，角度FFT数据的波动大。在本申请实施例中，在101中，根据角度FFT数据的波动，判断人体所在位置。
图2是根据雷达的角度FFT数据的波动确定人体所在的位置的一个示例的示意图，如图2所示，该方法包括：
201：计算距离频点和水平角度频点上的角度FFT数据的波动；
202：搜索所述距离频点和水平角度频点上的角度FFT数据的波动的局部最大值；
203：根据所述局部最大值确定所述局部最大值所在的位置是否存在人体。
在本申请实施例中，角度FFT数据的波动是对应距离频点、水平角度频点和垂直角度频点的一个三维的值。在201中，可以将角度FFT数据的波动从三维压缩到二维，以减小计算量。
例如，对于每个距离频点和水平角度频点，可以计算上述距离频点和水平角度频点对应的所有垂直角度频点上角度FFT数据的波动，将所有垂直角度频点上角度FFT数据的波动的最大值或均值作为当前距离频点和水平角度频点的角度FFT数据的波动。
在本申请实施例中，一段时间T内，角度FFT数据的波动可以用V来表示，V＝{Vr,a,e}，Vr,a,e是距离频点r、水平角度频点a、垂直角度频点e对应的角度FFT数据的波动，或者，也可以说，Vr,a,e是频点(r,a,e)对应的角度FFT数据的波动，r为距离频点、a为水平角度频点、e为垂直角度频点。
在一些实施例中，雷达的角度FFT数据的波动使用角度FFT数据差的均值表示。对于每个距离频点和水平角度频点对应的每个垂直角度频点上的角度FFT数据的波动，可以计算该距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差的均值。
例如，可以计算上述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差的均值；将该角度FFT数据差的均值作为上述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
在本申请实施例中，角度FFT数据差的均值是同一距离频点、水平角度频点、垂直角度频点在一段时间T的角度FFT数据差的均值，可以使用下面的公式(3)计算获得：
Figure BDA0002431104740000061
其中，
Figure BDA0002431104740000062
是t时刻距离频点r、水平角度频点a、垂直角度频点e的角度FFT数据差。该角度FFT数据差可以通过下面的公式(4)或(5)计算获得。
在本申请实施例中，雷达周期性地发射无线信号，每一帧的雷达数据都可以获得如公式(1)所示的角度FFT信息。不同时刻的角度FFT数据的差是当前时刻角度FFT值与前一时刻角度FFT值的差，或者当前时刻角度FFT值与前若干时刻角度FFT平均值的差。例如，t时刻的角度FFT数据的差是t时刻角度FFT值与t-1时刻角度FFT值的差，或者t时刻角度FFT值与t时刻之前的若干时刻的角度FFT平均值的差。
在一些实施例中，同一距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差为：该距离频点、水平角度频点、垂直角度频点在一段时间内的不同时刻的角度FFT幅值的差的绝对值。
例如，t时刻，角度FFT幅值差的绝对值用Dt表示，
Figure BDA0002431104740000063
Figure BDA0002431104740000064
是对应距离频点r、水平角度频点a、垂直角度频点e的角度FFT幅值差的绝对值。
Figure BDA0002431104740000071
也就是说，角度FFT幅值差
Figure BDA0002431104740000072
为同一距离频点、水平角度频点和垂直角度频点在t时刻的角度FFT幅值差的绝对值。
在一些实施例中，同一距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差为：该距离频点、水平角度频点、垂直角度频点在一段时间内的不同时刻的角度FFT复数差的模值。
例如，t时刻，角度FFT复数差的模值用D′t表示，
Figure BDA0002431104740000073
Figure BDA0002431104740000074
是对应距离频点r、水平角度频点a、垂直角度频点e的角度FFT复数差的模值。
Figure BDA0002431104740000075
也就是说，角度FFT复数差的模值
Figure BDA0002431104740000076
为同一距离频点、水平角度频点和垂直角度频点在t时刻的角度FFT复数差的模值。
在一些实施例中，雷达的角度FFT数据的波动使用角度FFT幅值标准差表示。对于每个距离频点和水平频点对应的每个垂直角度频点上的角度FFT数据的波动，可以计算该距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值的标准差。
例如，可以计算上述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值的标准差；将该角度FFT幅值的标准差作为上述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
在本申请实施例中，角度FFT幅值标准差是同一距离频点、水平角度频点、垂直角度频点在一段时间的幅值的标准差，可以使用下面的公式(6)计算获得：
Figure BDA0002431104740000077
其中，E(Ar,a,e)是距离频点r、水平角度频点a、垂直角度频点e的在时间T内的角度FFT幅值均值，由时间T内各个时刻的角度FFT幅值相加后取平均得到。
在一些实施例中，距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值为：该距离频点、水平角度频点、垂直角度频点在一段时间内不同时刻的角度FFT的幅值。
在本申请实施例中，在202中，局部最大值是指预先设定的范围内距离频点和水平角度频点上的角度FFT数据的波动的最大值。本申请对预先设定的范围不做限制，预先设定的范围是指可能存在人体的范围，该范围可以根据经验设定，也可以根据人体姿态检测的场所或者人体姿态检测的范围进行设定，具体取决于实现。
在本申请实施例中，在203中，用(rh，ah)表示一个局部最大值所在的位置，rh为局部最大值对应的距离频点，ah为局部最大值对应的水平角度频点。如果局部最大值所在的位置(rh，ah)的距离频点和水平角度频点对应的角度FFT数据的波动值大于预先设定的阈值(称为第一阈值)，则确定该局部最大值所在的位置存在人体，否则确定该局部最大值所在的位置不存在人体。
在本申请实施例中，得到了人体所在的位置(rh，ah)，在102中，可以根据角度FFT数据的差统计人体所在的位置处的人体的高度信息。
图3是根据角度FFT数据的差统计人体所在的位置处的人体的高度信息的一个方法的示意图，如图3所示，该方法包括：
301：根据所述人体所在的位置确定人体所在的范围；
302：对于一段时间的每个时刻，计算所述范围内的所有频点的角度FFT数据的差；
303：如果所述角度FFT数据的差中的最大值大于预先设定的阈值(称为第二阈值)，则将所述最大值对应的垂直角度频点的高度信息作为当前时刻的人体的高度信息，由此得到所述一段时间内人体的高度信息。
在301中，假设人体所在的位置为(rh，ah)，rh为距离频点，ah为水平角度频点，则人体所在的范围可以是距离频点大于rh-Lr并小于rh+Ur，水平角度频点大于ah-La并小于ah+Ua，垂直角度频点大于Le并小于Ue的区域。这里，Lr和Ur为预先设定的距离频点阈值，La和Ua为预先设定的水平角度频点阈值，Le和Ue为预先设定的垂直角度频点阈值。本申请对距离频点阈值、水平角度频点阈值和垂直角度频点阈值的设定方式和取值不做限制，可以根据雷达的精度设定，也可以根据经验设定等。
以上根据人体所在的位置确定人体所占的范围的方法只是举例说明，本申请对此不做限制，还可以通过其他方法来根据人体所在的位置确定人体所占的范围。
在302和303中，将一个距离频点、水平角度频点和垂直角度频点称为一个频点，本申请根据角度FFT数据差的信息，对T时间内的每个时刻，确定属于人体的高度值。
假设H为数据列表，存储T时间内各个时刻属于人体的高度值。在302和303中，可以计算t时刻人体所占范围内所有频点中角度FFT数据的差的最大值；判断上述角度FFT数据的差的最大值是否大于第二阈值；如果上述角度FFT数据的差的最大值大于第二阈值，则确定角度FFT数据的差的最大值对应的位置属于人体，将垂直角度频点对应的高度添加到H，作为t时刻的人体的高度值；如果上述角度FFT数据的差的最大值不大于第二阈值，则确定角度FFT数据的差的最大值对应的位置不属于人体。由此，得到T时间内属于人体的高度信息，H＝{hi|1≤i≤Nh)，其中，Nh为属于人体的高度值的个数。
在一些实施例中，当前时刻的每个频点的角度FFT数据的差为：该频点在当前时刻和前一时刻的角度FFT幅值的差的绝对值。在一些实施例中，当前时刻的每个频点的角度FFT数据的差为：该频点在当前时刻和前一时刻的角度FFT复数差的模值。关于该角度FFT数据的差的计算方式，已经在前面做了说明，此处不再赘述。
在本申请实施例中，得到了人体的高度信息，在103中，可以根据人体的高度信息检测人体的姿态。
图4是根据人体的高度信息检测人体的姿态的一个方法的示意图，如图4所示，该方法包括：
401：计算人体的高度信息的平均值(h)；
402：计算所述人体的高度信息中高度大于预先设定的阈值(称为第三阈值)的比例(r)；
403：根据预先设定的对应每个姿态的高度均值的阈值(LH和UH)和高度大于第三阈值的比例的阈值(Lr和Ur)，以及所述人体的高度信息的平均值(h)和所述人体的高度信息中高度大于第三阈值的比例(r)，确定所述人体的姿态。
在401中，人体的高度信息的平均值h可以根据下面的公式(7)计算获得：
Figure BDA0002431104740000091
其中，hi为属于人体的高度值，并且hi∈H，H为前述的数据列表，存储着时间T内各个时刻属于人体的高度值。
在402中，人体的高度信息中高度大于第三阈值的比例r可以根据下面的公式(8)计算获得：
Figure BDA0002431104740000092
其中，C为H中高度大于第三阈值的个数，Nh为H中所有高度的个数。
在403中，对于每个姿态，都定义高度均值的阈值LH和UH，以及高度大于阈值的比例的阈值Lr和Ur。如果实际计算的高度均值h大于LH小于UH，同时高度大于第三阈值的比例r大于Lr小于Ur，则确定该人体的姿态为该高度均值的阈值和高度大于阈值的比例的阈值所对应的姿态。
图5是根据人体的高度信息检测人体的姿态的另一个方法的示意图，如图5所示，该方法包括：
501：根据人体的高度信息确定人体的高度分布PH；
502：根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态。
仍以前述为例，假设T时间内属于人体的高度信息H＝{hi|1≤i≤Nh)，Nh为H中所有高度的个数。在501中，可以根据人体的高度信息H构造人体的高度分布PH。
图6是根据人体的高度信息H构造的人体的高度分布PH的一个示意图，图7是根据人体的高度信息H构造的人体的高度分布PH的另一个示意图。
在502中，可以预先设定对应不同姿态的人体的高度分布{Pj}，然后计算人体的高度分布PH与每个姿态对应的人体的高度分布{Pj}之间的距离；将最小的距离所对应的姿态确定为人体的姿态。
例如，根据图6的人体的高度分布PH可以确定人体的姿态为“站”，根据图7的人体的高度分布PH可以确定人体的姿态为“坐”。
本申请对上述距离的计算方法不做限制，在一些实施例中，上述距离可以是KL散度，可以通过下面的公式(9)计算获得：
Figure BDA0002431104740000101
其中，Pj是预设姿态j的高度分布，PH是上述人体的高度分布，Lh和Uh是人体高度最小值和最大值，Pj(h)是姿态j的高度分布中高度h的概率，PH(h)是上述人体的高度分布中高度h的概率。
值得注意的是，以上仅对与本申请相关的各操作或过程进行了说明，但本申请不限于此。该方法还可以包括其他操作或者过程，关于这些操作或者过程的具体内容，可以参考现有技术。
根据本申请实施例的方法，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。
实施例的第二方面
本申请实施例的第二方面提供了一种人体姿态检测装置，该人体姿态检测装置对应实施例的第一方面的人体姿态检测方法，相同的内容不再重复说明。
图8是本申请实施例的人体姿态检测装置的一个示意图。如图8所示，本申请实施例的人体姿态检测装置800包括：第一确定单元801、统计单元802和检测单元803。第一确定单元801用于根据雷达的角度FFT数据的波动确定人体所在的位置；统计单元802用于根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；检测单元803用于根据所述人体的高度信息检测人体的姿态。
图9是第一确定单元801的一个示例的示意图，如图9所示，在一些实施例中，第一确定单元801包括：第一计算单元901、搜索单元902和第二确定单元903。第一计算单元901用于计算距离频点和水平角度频点上的角度FFT数据的波动；搜索单元902用于搜索所述距离频点和水平角度频点上的角度FFT数据的波动的局部最大值；第二确定单元903用于根据所述局部最大值确定所述局部最大值所在的位置是否存在人体。
在一些实施例中，第一计算单元901计算距离频点和水平角度频点上的角度FFT数据的波动，包括：计算每个距离频点和水平角度频点对应的所有垂直角度频点上的角度FFT数据的波动；将所述所有垂直角度频点上的角度FFT数据的波动的最大值或均值作为所述距离频点和水平角度频点的角度FFT数据的波动。
在一些实施例中，第一计算单元901计算每个距离频点和水平角度频点对应的每个垂直角度频点上的角度FFT数据的波动，包括：计算所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差的均值；将所述角度FFT数据差的均值作为所述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
在一些实施例中，所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差为：
所述距离频点、水平角度频点、垂直角度频点在所述一段时间内的不同时刻的角度FFT幅值的差的绝对值；或者
所述距离频点、水平角度频点、垂直角度频点在所述一段时间内的不同时刻的角度FFT复数差的模值。
在一些实施例中，第一计算单元901计算每个距离频点和水平角度频点对应的每个垂直角度频点上的角度FFT数据的波动，包括：计算所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值的标准差；所述角度FFT幅值的标准差作为所述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
在一些实施例中，所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值为：所述距离频点、水平角度频点、垂直角度频点在一段时间内不同时刻的角度FFT的幅值。
在一些实施例中，所述局部最大值为预先设定的范围内所述距离频点和水平角度频点上的角度FFT数据的波动的最大值。
在一些实施例中，如果所述局部最大值所在的位置的距离频点和水平角度频点的角度FFT数据的波动值大于第一阈值，则所述第二确定单元确定所述局部最大值所在的位置存在人体，否则所述第二确定单元确定所述局部最大值所在的位置不存在人体。
图10是统计单元802的一个示例的示意图，如图10所示，在一些实施例中，统计单元802包括：第三确定单元1001、第二计算单元1002和第四确定单元1003。第三确定单元1001用于根据所述人体所在的位置确定人体所在的范围；对于一段时间的每个时刻，第二计算单元1002用于计算所述范围内的所有距离频点、水平角度频点和垂直角度频点的角度FFT数据的差；如果所述角度FFT数据的差中的最大值大于第二阈值，则第四确定单元1003将所述最大值对应的垂直角度频点的高度信息作为当前时刻的人体的高度信息，由此得到所述一段时间内人体的高度信息。
在一些实施例中，人体所在的位置为(rh，ah)，rh为距离频点，ah为水平角度频点，则第三确定单元1001确定人体所在的范围为：距离频点大于rh-Lr并小于rh+Ur、水平角度频点大于ah-La并小于ah+Ua、垂直角度频点大于Le并小于Ue的区域；其中，Lr和Ur为预先设定的距离频点阈值，La和Ua为预先设定的水平角度频点阈值，Le和Ue为预先设定的垂直角度频点阈值。
在一些实施例中，当前时刻的每个距离频点、水平角度频点和垂直角度频点的角度FFT数据的差为：所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT幅值的差的绝对值。
在一些实施例中，当前时刻的每个距离频点、水平角度频点和垂直角度频点的角度FFT数据的差为：所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT复数差的模值。
图11是检测单元803的一个示例的示意图，如图11所示，在一些实施例中，检测单元803包括：第三计算单元1101、第四计算单元1102和第五确定单元1103。第三计算单元1101用于计算所述人体的高度信息的平均值h；第四计算单元1102用于计算所述人体的高度信息中高度大于第三阈值的比例r；第五确定单元1103用于根据预先设定的对应每个姿态的高度均值的阈值LH和UH，和高度大于第三阈值的比例的阈值Lr和Ur，以及所述人体的高度信息的平均值h和所述人体的高度信息中高度大于第三阈值的比例r，确定所述人体的姿态。
在一些实施例中，如果高度信息的平均值h大于LH小于UH，同时高度大于第三阈值的比例r大于Lr和Ur，则第五确定单元1103确定所述人体的姿态是所述LH和UH以及Lr和Ur对应的姿态。
图12是检测单元803的另一个示例的示意图，如图12所示，在一些实施例中，检测单元803包括：第六确定单元1201和第七确定单元1208。第六确定单元1201用于根据所述人体的高度信息确定人体的高度分布PH；第七确定单元1202用于根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态。
在一些实施例中，第七确定单元1208根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态，包括：计算所述人体的高度分布PH与每个姿态对应的人体的高度分布{Pj}之间的距离；确定所述人体的姿态为最小的所述距离对应的姿态。
值得注意的是，以上仅对与本申请相关的各部件或模块进行了说明，但本申请不限于此。人体姿态检测装置800还可以包括其他部件或者模块，关于这些部件或者模块的具体内容，可以参考相关技术。
根据本申请实施例，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。
实施例的第三方面
本申请实施例的第三方面提供了一种数据处理设备，该数据处理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；但本申请实施例不限于此。
图13是本申请实施例的数据处理设备的一个示意图，如图13所示，数据处理设备1300可以包括：至少一个接口(图中未示出)，处理器(例如，中央处理器(CPU))1301，存储器1302；存储器1302耦合到处理器1301。其中存储器1302可存储各种数据；此外还存储人体姿态检测程序1303，并且在处理器1301的控制下执行该程序1303，并存储各种数据，例如预设的各种阈值和预定的条件等。
在一些实施例中，实施例的第二方面所述的人体姿态检测装置800的功能可以被集成到处理器1301中，实现实施例的第一方面所述的人体姿态检测方法。例如，该处理器1301可以被配置为：
根据雷达的角度FFT数据的波动确定人体所在的位置；
根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
根据所述人体的高度信息检测人体的姿态。
在一些实施例中，实施例的第二方面所述的人体姿态检测装置800可以与处理器1301分开配置，例如可以将该人体姿态检测装置800配置为与处理器1301连接的芯片，通过处理器1301的控制来实现人体姿态检测装置800的功能。
值得注意的是，数据处理设备1300还可以包括显示器1305以及I/O设备1304，或者也并不是必须要包括图13中所示的所有部件，例如还可以包括摄像头和雷达(未图示)，用于获取输入图像帧；此外，该数据处理设备1300还可以包括图13中没有示出的部件，可以参考现有技术。
在本申请实施例中，处理器1301有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该处理器1301接收输入并控制数据处理设备1300的各个部件的操作。
在本申请实施例中，存储器1302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。可储存各种信息，此外还可存储执行有关信息的程序。并且处理器1301可执行该存储器1302存储的该程序，以实现信息存储或处理等。其他部件的功能与现有类似，此处不再赘述。数据处理设备1300的各部件可以通过专用硬件、固件、软件或其结合来实现，而不偏离本申请的范围。
根据本申请实施例，不使用点云，而是利用人体动作引起的信号波动进行姿态检测。适用于检测无法形成点云的姿态，比如站、坐凳子、坐地和躺等，算法泛化性能好、复杂度低、检测精度高。
本申请实施例还提供一种计算机可读程序，其中当在数据处理设备中执行所述程序时，所述程序使得所述数据处理设备执行实施例的第一方面所述的人体姿态检测方法。
本申请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数据处理设备中执行实施例的第一方面所述的人体姿态检测方法。
本申请以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本申请涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。本申请还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本申请实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。图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，可以分别对应于图中所示的各个步骤。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(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。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，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)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，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申请进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本申请保护范围的限制。本领域技术人员可以根据本申请的精神和原理对本申请做出各种变型和修改，这些变型和修改也在本申请的范围内。
关于本申请实施例公开的上述实施方式，还公开了如下的附记：
1、一种人体姿态检测方法，其中，所述方法包括：
根据雷达的角度FFT数据的波动确定人体所在的位置；
根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
根据所述人体的高度信息检测人体的姿态。
2、根据附记1所述的方法，其中，根据雷达的角度FFT数据的波动确定人体所在的位置，包括：
计算距离频点和水平角度频点上的角度FFT数据的波动；
搜索所述距离频点和水平角度频点上的角度FFT数据的波动的局部最大值；
根据所述局部最大值确定所述局部最大值所在的位置是否存在人体。
3、根据附记2所述的方法，其中，计算距离频点和水平角度频点上的角度FFT数据的波动，包括：
计算每个距离频点和水平角度频点对应的所有垂直角度频点上的角度FFT数据的波动；
将所述所有垂直角度频点上的角度FFT数据的波动的最大值或均值作为所述距离频点和水平角度频点的角度FFT数据的波动。
4、根据附记3所述的方法，其中，计算每个距离频点和水平角度频点对应的每个垂直角度频点上的角度FFT数据的波动，包括：
计算所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差的均值；
将所述角度FFT数据差的均值作为所述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
4.1、根据附记4所述的方法，其中，所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差为：
所述距离频点、水平角度频点、垂直角度频点在所述一段时间内的不同时刻的角度FFT幅值的差的绝对值。
4.2、根据附记4所述的方法，其中，所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT数据差为：
所述距离频点、水平角度频点、垂直角度频点在所述一段时间内的不同时刻的角度FFT复数差的模值。
5、根据附记3所述的方法，其中，计算每个距离频点和水平角度频点对应的每个垂直角度频点上的角度FFT数据的波动，包括：
计算所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值的标准差；
将所述角度FFT幅值的标准差作为所述距离频点、水平角度频点、垂直角度频点的角度FFT数据的波动。
5.1、根据附记5所述的方法，其中，所述距离频点、水平角度频点、垂直角度频点在一段时间内的角度FFT幅值为：
所述距离频点、水平角度频点、垂直角度频点在一段时间内不同时刻的角度FFT的幅值。
6、根据附记2所述的方法，其中，所述局部最大值为预先设定的范围内所述距离频点和水平角度频点上的角度FFT数据的波动的最大值。
7、根据附记2所述的方法，其中，如果所述局部最大值所在的位置的距离频点和水平角度频点的角度FFT数据的波动值大于预先设定的阈值(第一阈值)，则确定所述局部最大值所在的位置存在人体，否则确定所述局部最大值所在的位置不存在人体。
8、根据附记1所述的方法，其中，根据雷达的角度FFT的幅值差统计人体的高度信息，包括：
根据所述人体所在的位置确定人体所在的范围；
对于一段时间的每个时刻，计算所述范围内的所有距离频点、水平角度频点和垂直角度频点的角度FFT数据的差；
如果所述角度FFT数据的差中的最大值大于预先设定的阈值(第二阈值)，则将所述最大值对应的垂直角度频点的高度信息作为当前时刻的人体的高度信息，由此得到所述一段时间内人体的高度信息。
9、根据附记8所述的方法，其中，人体所在的位置为(rh，ah)，rh为距离频点，ah为水平角度频点，则确定人体所在的范围为：
距离频点大于rh-Lr并小于rh+Ur、水平角度频点大于ah-La并小于ah+Ua、垂直角度频点大于Le并小于Ue的区域；
其中，Lr和Ur为预先设定的距离频点阈值，La和Ua为预先设定的水平角度频点阈值，Le和Ue为预先设定的垂直角度频点阈值。
10、根据附记8所述的方法，其中，当前时刻的每个距离频点、水平角度频点和垂直角度频点的角度FFT数据的差为：
所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT幅值的差的绝对值；或者
所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT复数差的模值。
11、根据附记1所述的方法，其中，根据所述人体的高度信息检测人体的姿态，包括：
计算所述人体的高度信息的平均值(h)；
计算所述人体的高度信息中高度大于预先设定的阈值(第三阈值)的比例(r)；
根据预先设定的对应每个姿态的高度均值的阈值(LH和UH)和高度大于第三阈值的比例的阈值(Lr和Ur)，以及所述人体的高度信息的平均值(h)和所述人体的高度信息中高度大于第三阈值的比例(r)，确定所述人体的姿态。
11.1、根据附记11所述的方法，其中，如果高度信息的平均值h大于LH小于UH，同时高度大于第三阈值的比例r大于Lr和Ur，则确定所述人体的姿态是所述LH和UH以及Lr和Ur对应的姿态。
12、根据附记1所述的方法，其中，根据所述人体的高度信息检测人体的姿态，包括：
根据所述人体的高度信息确定人体的高度分布PH；
根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态。
12.1、根据附记12所述的方法，其中，根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态，包括：
计算所述人体的高度分布PH与每个姿态对应的人体的高度分布{Pj}之间的距离；
确定所述人体的姿态为最小的所述距离对应的姿态。
13、一种数据处理设备，其中，所述数据处理设备包括处理器和存储器，所述存储器存储计算机程序，所述处理器被配置为执行所述计算机程序而实现如下所述的人体姿态检测方法：
根据雷达的角度FFT数据的波动确定人体所在的位置；
根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
根据所述人体的高度信息检测人体的姿态。

Claims (10)

1.一种人体姿态检测装置，其特征在于，所述装置包括：
第一确定单元，其根据雷达的角度FFT数据的波动确定人体所在的位置；
统计单元，其根据雷达的角度FFT数据的差统计人体所在的位置处的人体的高度信息；
检测单元，其根据所述人体的高度信息检测人体的姿态。
2.根据权利要求1所述的装置，其中，所述第一确定单元包括：
第一计算单元，其计算距离频点和水平角度频点上的角度FFT数据的波动；
搜索单元，其搜索所述距离频点和水平角度频点上的角度FFT数据的波动的局部最大值；
第二确定单元，其根据所述局部最大值确定所述局部最大值所在的位置是否存在人体，
其中，所述局部最大值为预先设定的范围内所述距离频点和水平角度频点上的角度FFT数据的波动的最大值。
3.根据权利要求2所述的装置，其中，所述第一计算单元计算距离频点和水平角度频点上的角度FFT数据的波动，包括：
计算每个距离频点和水平角度频点对应的所有垂直角度频点上的角度FFT数据的波动；
将所述所有垂直角度频点上的角度FFT数据的波动的最大值或均值作为所述距离频点和水平角度频点的角度FFT数据的波动。
4.根据权利要求2所述的装置，其中，如果所述局部最大值所在的位置的距离频点和水平角度频点的角度FFT数据的波动值大于第一阈值，则所述第二确定单元确定所述局部最大值所在的位置存在人体，否则所述第二确定单元确定所述局部最大值所在的位置不存在人体。
5.根据权利要求1所述的装置，其中，所述统计单元包括：
第三确定单元，其根据所述人体所在的位置确定人体所在的范围；
第二计算单元，其对于一段时间的每个时刻，计算所述范围内的所有距离频点、水平角度频点和垂直角度频点的角度FFT数据的差；
第四确定单元，如果所述角度FFT数据的差中的最大值大于第二阈值，则所述第四确定单元将所述最大值对应的垂直角度频点的高度信息作为当前时刻的人体的高度信息，由此得到所述一段时间内人体的高度信息。
6.根据权利要求5所述的装置，其中，人体所在的位置为(rh，ah)，rh为距离频点，ah为水平角度频点，则所述第三确定单元确定人体所在的范围为：
距离频点大于rh-Lr并小于rh+Ur、水平角度频点大于ah-La并小于ah+Ua、垂直角度频点大于Le并小于Ue的区域；
其中，Lr和Ur为预先设定的距离频点阈值，La和Ua为预先设定的水平角度频点阈值，Le和Ue为预先设定的垂直角度频点阈值。
7.根据权利要求5所述的装置，其中，当前时刻的每个距离频点、水平角度频点和垂直角度频点的角度FFT数据的差为：
所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT幅值的差的绝对值；或者
所述距离频点、水平角度频点、垂直角度频点在当前时刻和前一时刻的角度FFT复数差的模值。
8.根据权利要求1所述的装置，其中，所述检测单元包括：
第三计算单元，其计算所述人体的高度信息的平均值h；
第四计算单元，其计算所述人体的高度信息中高度大于第三阈值的比例r；
第五确定单元，其根据预先设定的对应每个姿态的高度均值的阈值LH和UH，和高度大于第三阈值的比例的阈值Lr和Ur，以及所述人体的高度信息的平均值h和所述人体的高度信息中高度大于第三阈值的比例r，确定所述人体的姿态，
其中，如果高度信息的平均值h大于LH小于UH，同时高度大于第三阈值的比例r大于Lr和Ur，则所述第五确定单元确定所述人体的姿态是所述LH和UH以及Lr和Ur对应的姿态。
9.根据权利要求1所述的装置，其中，所述检测单元包括：
第六确定单元，其根据所述人体的高度信息确定人体的高度分布PH；
第七确定单元，其根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态。
10.根据权利要求9所述的装置，其中，所述第七确定单元根据预先设定的对应不同姿态的人体的高度分布{Pj}确定人体的姿态，包括：
计算所述人体的高度分布PH与每个姿态对应的人体的高度分布{Pj}之间的距离；
确定所述人体的姿态为最小的所述距离对应的姿态。
CN202010236334.4A 2020-03-30 2020-03-30 人体姿态检测方法、装置和数据处理设备 Pending CN113466851A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010236334.4A CN113466851A (zh) 2020-03-30 2020-03-30 人体姿态检测方法、装置和数据处理设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010236334.4A CN113466851A (zh) 2020-03-30 2020-03-30 人体姿态检测方法、装置和数据处理设备

Publications (1)

Publication Number Publication Date
CN113466851A true CN113466851A (zh) 2021-10-01

Family

ID=77864861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010236334.4A Pending CN113466851A (zh) 2020-03-30 2020-03-30 人体姿态检测方法、装置和数据处理设备

Country Status (1)

Country Link
CN (1) CN113466851A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113633268A (zh) * 2020-05-11 2021-11-12 富士通株式会社 生理信号检测方法、装置和数据处理设备
CN115236661A (zh) * 2022-08-22 2022-10-25 深圳市海兴科技有限公司 一种基于微波感应的人体存在检测方法及微波感应器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160098760A (ko) * 2015-02-11 2016-08-19 연세대학교 산학협력단 레이더를 이용한 타겟 검출 방법 및 그 장치
US20160252607A1 (en) * 2015-02-27 2016-09-01 Texas Instruments Incorporated Gesture Recognition using Frequency Modulated Continuous Wave (FMCW) Radar with Low Angle Resolution
CN109145739A (zh) * 2018-07-18 2019-01-04 郭渐凌 一种人体姿态预测方法、装置及系统
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
CN110133630A (zh) * 2019-04-26 2019-08-16 惠州市德赛西威智能交通技术研究院有限公司 一种雷达目标检测方法及应用其的雷达

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160098760A (ko) * 2015-02-11 2016-08-19 연세대학교 산학협력단 레이더를 이용한 타겟 검출 방법 및 그 장치
US20160252607A1 (en) * 2015-02-27 2016-09-01 Texas Instruments Incorporated Gesture Recognition using Frequency Modulated Continuous Wave (FMCW) Radar with Low Angle Resolution
CN109145739A (zh) * 2018-07-18 2019-01-04 郭渐凌 一种人体姿态预测方法、装置及系统
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
CN110133630A (zh) * 2019-04-26 2019-08-16 惠州市德赛西威智能交通技术研究院有限公司 一种雷达目标检测方法及应用其的雷达

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113633268A (zh) * 2020-05-11 2021-11-12 富士通株式会社 生理信号检测方法、装置和数据处理设备
CN115236661A (zh) * 2022-08-22 2022-10-25 深圳市海兴科技有限公司 一种基于微波感应的人体存在检测方法及微波感应器
CN115236661B (zh) * 2022-08-22 2023-04-07 深圳市海兴科技有限公司 一种基于微波感应的人体存在检测方法及微波感应器

Similar Documents

Publication Publication Date Title
US11763568B2 (en) Ground plane estimation in a computer vision system
US10846867B2 (en) Apparatus, method and image processing device for smoke detection in image
KR101912420B1 (ko) 지문 중첩 영역의 면적을 계산하는 방법 및 전자 기기
CN111134685A (zh) 跌倒检测方法和装置
CN106605154B (zh) 一种运动目标的监测方法、穿戴式装置及服务器
KR101348680B1 (ko) 영상추적기를 위한 표적포착방법 및 이를 이용한 표적포착장치
US11061102B2 (en) Position estimating apparatus, position estimating method, and terminal apparatus
CN113466851A (zh) 人体姿态检测方法、装置和数据处理设备
CN105374049B (zh) 一种基于稀疏光流法的多角点跟踪方法及装置
KR101851635B1 (ko) 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법
US20170357850A1 (en) Human detection apparatus and method using low-resolution two-dimensional (2d) light detection and ranging (lidar) sensor
CN111751814A (zh) 基于无线信号的运动状态检测装置、方法及系统
US20220171024A1 (en) Method, apparatus, and non-transitory computer readable medium for identifying human postures using millimeter-wave radar
KR101806453B1 (ko) 무인 비행체 충돌 회피를 위한 이동 객체 검출 장치 및 방법
CN112395920B (zh) 基于雷达的姿态识别装置、方法以及电子设备
JP2004109009A (ja) 目標角速度計測装置および目標角速度計測方法
CN114578341A (zh) 雷达追踪方法、噪声消除方法、装置和设备
JP2018197945A (ja) 障害物検出装置および障害物検出方法
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
KR101593950B1 (ko) 손동작 기반의 인터페이스 장치 및 이를 이용한 포인팅 방법
US20180268228A1 (en) Obstacle detection device
EP3373199A2 (en) Object detector, object detection method, carrier means, and equipment control system
JPH09322153A (ja) 自動監視装置
CN104376742A (zh) 一种车位状态检测方法与系统
JP2023026123A (ja) 人体姿勢検出方法、装置及びデータ処理装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211001

WD01 Invention patent application deemed withdrawn after publication