CN113495270A - 基于微波雷达的监控装置以及方法 - Google Patents
基于微波雷达的监控装置以及方法 Download PDFInfo
- Publication number
- CN113495270A CN113495270A CN202010263692.4A CN202010263692A CN113495270A CN 113495270 A CN113495270 A CN 113495270A CN 202010263692 A CN202010263692 A CN 202010263692A CN 113495270 A CN113495270 A CN 113495270A
- Authority
- CN
- China
- Prior art keywords
- track
- target
- detection
- information
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012806 monitoring device Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 251
- 238000012937 correction Methods 0.000 claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 230000000694 effects Effects 0.000 claims description 80
- 230000006870 function Effects 0.000 description 75
- 238000010586 diagram Methods 0.000 description 19
- 230000000474 nursing effect Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000036387 respiratory rate Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pulmonology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提供一种基于微波雷达的监控装置以及方法；在第一时间段根据雷达回波信息对检测目标进行跟踪检测；在没有检测到检测目标的轨迹信息的情况下进行生理检测；以及对第二时间段所获得的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。由此，不仅能够基于微波雷达进行ADL监控，而且能够更加准确地获得检测目标的目标类型。
Description
技术领域
本申请实施例涉及信息检测技术领域。
背景技术
目前，人类寿命的持续提高使老年人比例迅速增加；预计在未来的几十年中，全球范围的老年人比例将从11.7％增至25％左右。这种趋势导致对利用新技术来发展独立生活的老年人护理服务的需求增加，其中一个重要需求是对日常生活活动(ADL，Activity ofDaily Living)进行监控，这对于评估老年人在社区中独立生活的能力至关重要。
一般情况下，老年人的ADL是通过问卷调查获得的，例如从家人、看护人或日记中获得；这些问卷调查是比较主观的评估而无法客观地涵盖各个方面。而且，这种方法是昂贵的并且容易出错。
此外，学术领域对ADL的研究通常依赖于各种传感器，例如摄像头、可穿戴传感器、多传感器融合等。但是，基于摄像头的系统在昏暗的灯光下表现不佳，并且会被认为严重侵犯个人隐私。可穿戴传感器需要安装在人体上，但是人们可能会忘记佩戴或者佩戴后感到不适；多传感器融合可能考虑使用摄像头或可穿戴传感器，但是信号处理非常复杂，并且预测经常涉及复杂的机器学习算法。
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
近来，在老年人监护中对无线传感器进行了更多研究，例如使用微波雷达。由于微波雷达是非接触式的并且没有隐私问题，因此在这些方面几乎是完美的方案。但是，发明人发现，大多数基于微波雷达的研究都集中于生命体征检测、人员检测或姿势检测；基于微波雷达的ADL监控几乎没有研究或实际应用。此外，如何更加准确地获得检测目标的目标类型，对于ADL监控来说仍然是一个需要解决的难题。
针对上述技术问题的至少之一，本申请实施例提供一种基于微波雷达的监控装置以及方法，期待能够基于微波雷达进行ADL监控，并且更加准确地获得检测目标的目标类型。
根据本申请实施例的一个方面，提供一种基于微波雷达的监控装置，包括：
信息获取单元，其基于微波雷达获取从检测目标反射回的雷达回波信息；
跟踪检测单元，其在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
生理检测单元，其在所述跟踪检测单元没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
类型校正单元，其对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。
根据本申请实施例的另一个方面，提供一种基于微波雷达的监控方法，包括：
基于微波雷达获取从检测目标反射回的雷达回波信息；
在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
在没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。
本申请实施例的有益效果之一在于：在第一时间段根据雷达回波信息对检测目标进行跟踪检测；在没有检测到检测目标的轨迹信息的情况下进行生理检测；以及对第二时间段所获得的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。由此，不仅能够基于微波雷达进行ADL监控，而且能够更加准确地获得检测目标的目标类型。
参照后文的说明和附图，详细公开了本申请实施例的特定实施方式，指明了本申请实施例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
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是本申请实施例的基于微波雷达的监控方法的一示意图；
图2是本申请实施例的跟踪检测和生理检测的一示意图；
图3是本申请实施例的检测目标的轨迹的一示例图；
图4是本申请实施例的老年人的轨迹长度概率密度函数和护工的轨迹长度概率密度函数的一示例图；
图5是本申请实施例的老年人的轨迹速度概率密度函数和护工的轨迹速度概率密度函数的一示例图；
图6是本申请实施例的活动状态识别的一示例图；
图7是本申请实施例的监控区域的一平面示例图；
图8是本申请实施例的状态校正的一示例图；
图9是本申请实施例的基于微波雷达的监控装置的示意图；
图10是本申请实施例的电子设备的示意图。
具体实施方式
参照附图，通过下面的说明书，本申请实施例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实施例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，本申请实施例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，微波雷达可以是毫米波(mmWave)雷达，但不限于此。该微波雷达通过发射天线发射电磁波，经过不同物体反射后接收到相应的反射波(可称为雷达回波信息)。通过对雷达回波信息进行分析，能够有效提取到物体距离微波雷达的位置、径向运动速度等信息，这些信息能够满足许多应用场景的需求。
在本申请实施例中，检测目标可以是各种年龄阶段的人，例如可以是老年人，也可以是儿童，还可以是老年人和/或护理人员，儿童和/或监护人员。本申请不限于此，检测目标还可以是具有生命特征的动物等等。
第一方面的实施例
本申请实施例提供一种基于微波雷达的监控方法。图1是本申请实施例的基于微波雷达的监控方法的一示意图。如图1所示，该方法包括：
101，基于微波雷达获取从检测目标反射回的雷达回波信息；
102，在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
103，在没有检测到检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
104，对第二时间段所述跟踪检测所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。
值得注意的是，以上附图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。
在本申请实施例中，第一时间段的量级可以为秒，例如第一时间段为1秒；跟踪检测可以是周期性的，例如可以每秒进行一次，一直为类型校正和状态识别提供数据。但本申请不限于此，轨迹检测例如也可以是非周期性的。
生理检测可以是非周期性的。例如，在跟踪检测没有检测到目标轨迹信息的情况下可以开启生理检测，生理检测开启后可以进行一次或多次并为类型校正和状态识别提供数据。当然生理检测也可以和跟踪检测一起周期性地进行，例如轨迹检测每秒钟进行一次，生理检测每分钟进行一次；只是在跟踪检测没有检测到目标轨迹信息的情况下，生理检测的结果才被使用，例如为类型校正和状态识别提供数据。
在本申请实施例中，第二时间段的量级可以为天，例如第二时间段为1天。例如，可以选择某一天的轨迹信息进行统计后，确定轨迹信息的第一长度/速度值和第二长度/速度值，然后就可以将这些值长期作为类型校正的阈值使用。如果人员有变动或者人员健康有变化，则再次统计并获取第一长度/速度值和第二长度/速度值。
以上对于各时间段进行了示意性说明，但本申请不限于此。以下先对跟踪检测和生理检测进行示意性说明，关于跟踪检测和生理检测的具体内容，还可以参考相关技术。
在一些实施例中，物体的每次反射都可以视为一个反射点；多个反射点形成点云。与检测目标关联的每个点云包含能够表征检测目标的特征，例如包括范围、速度、角度、位置、能量和相位，等等。
例如，毫米波雷达发射的信号波长在毫米范围内；对于工作在76-81GHz的毫米波系统而言，相应的波长约为4mm。另一方面，由人类呼吸引起的胸部位移约为12mm，是毫米波雷达系统(在76-81GHz)的波长的3倍。
在跟踪检测中，可以分析点云的特征并输出检测目标的轨迹和类型。例如，轨迹表示点云的位置偏移，类型可以指示被检测到的目标是否是老年人，或者是老年人还是照料老年人的护士。
在生理检测中，雷达系统发出的信号可能会在路径中被人体反射，通过测量反射信号的相位变化，可以测量呼吸频率和心率。因此，毫米波雷达系统可以具有进行生理检测的能力，例如能够检测呼吸频率和/或心率并提供相应信息。
图2是本申请实施例的跟踪检测和生理检测的一示意图，如图2所示，检测过程可以包括：
201，在第一时间段(例如1秒)根据雷达回波信息进行跟踪检测；
202，确定是否检测到检测目标的轨迹信息，如果为是则执行203，如果为否则执行204；
203，确定监控区域内有检测目标活动；
204，确定监控区域内没有检测目标活动。
由此，基于跟踪检测可以确定检测目标是否活跃，即当跟踪检测能够提供检测目标的轨迹和类型时，表明该检测目标正在监控区域中活动。否则，表明该检测目标处于不活跃状态，例如该检测目标正在睡觉或已经外出，具体的状态可以在其他信息的帮助下确定。
如图2所示，检测过程还可以包括：
205，根据雷达回波信息进行生理检测。
206，确定是否检测到呼吸和/或心跳；如果为是则执行207，如果为否则执行208；
207，确定监控区域内存在检测目标；
208，确定监控区域内不存在检测目标。
例如，当生理检测能够提供呼吸频率和心率时，表示监控区域中存在检测目标，例如该检测目标正在睡觉等；否则当生理检测不能够提供呼吸频率和心率时，表示监控区域中没有检测目标，例如该检测目标已经外出。
值得注意的是，以上附图2仅示意性地对一次跟踪检测和一次生理检测进行了说明，但本申请不限于此，例如可以持续地进行跟踪检测和/或生理检测。此外，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2的记载。
由此，通过本申请实施例的跟踪检测和生理检测，能够基于微波雷达进行ADL监控。此外，不需要在检测目标上穿戴任何东西，当微波雷达安装在监控区域时不存在侵犯隐私的问题，并且易于进行大规模部署和实际应用。
图3是本申请实施例的检测目标的轨迹的一示例图。检测目标的一条轨迹可以指该检测目标在一段时间内的位置移动。如图3所示，301所示的圆圈表示检测目标的位置坐标(xi,yi)，该坐标由一个帧单位的雷达信号帧确定。
例如，一个帧单位为10帧雷达信号帧(数值10为实验参数，本申请不限于此)，每帧信号间隔0.05s(该数值0.05例如由硬件配置确定)。假设一个雷达信号帧的反射点位置坐标为(xpi,ypi)，则检测目标的位置坐标为：
相邻检测目标位置的时间间隔为Δt＝0.05×10＝0.5s。
如图3所示，302所示的圆圈表示检测目标相邻位置坐标的中心，即：
两个相邻帧单位间的距离差为：
轨迹长度为：
假设一个雷达信号帧的反射点速度为(vx,pi,vy,pi)，其中，vx,pi指x轴方向的速度，vy,pi指y轴方向的速度，则该反射点的速度为
检测目标在一个帧单位内雷达反射信号帧的速度为
轨迹速度为：
以上以轨迹长度和轨迹速度为例对轨迹信息进行了说明，但本申请不限于此，例如轨迹信息还可以包括轨迹平滑度。
例如，轨迹平滑度的定义为：
其中，对轨迹进行平滑的方法可采用相关技术，比如滑动平均滤波等。轨迹平滑度的值越接近1，表示轨迹越平滑；反之，表示轨迹越不平滑。
以检测目标为老年人和护工为例，例如老年人的轨迹长度一般较短并且轨迹速度一般较低；护工的轨迹长度一般较长并且轨迹速度一般较高。再例如，老年人走路较慢，轨迹往往比较曲折(即不平滑)；护工走路速度较快，轨迹往往比较平滑。
以上对轨迹信息进行了示意性说明，本申请不限于此，例如还可以包括其他的轨迹信息。跟踪检测输出轨迹信息，这意味着一个输出包括一条轨迹及其相应的目标类型。典型的轨迹一般持续时间是几秒钟，可能会受到在监控区域中移动人员的强烈影响。
例如，老年人的轨迹通常由于步行速度慢而变得支离破碎，这增加了检测正确的目标类型的难度。换句话说，输出的目标类型不是100％正确的。有时，特别是对于老年人，目标类型的错误率会很高。
以下再对本申请实施例的检测目标的类型校正进行说明。
在一些实施例中，轨迹信息包括轨迹长度和轨迹速度；类型校正包括：对多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得检测目标的轨迹长度概率密度函数和轨迹速度概率密度函数；分别确定所述轨迹长度概率密度函数中最大概率所对应的长度值、以及所述轨迹速度概率密度函数中最大概率所对应的速度值。
在一些实施例中，在某一轨迹信息的轨迹长度满足基于所述长度值的条件和/或所述轨迹信息的轨迹速度满足基于所述速度值的条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
在一些实施例中，目标类型包括第一目标类型(例如老年人)和第二目标类型(例如护工)；类型校正包括：对多个轨迹信息分别进行统计，以获得所述第一目标类型的概率密度函数和所述第二目标类型的概率密度函数；分别确定所述第一目标类型的概率密度函数中最大概率所对应的第一值、以及所述第二目标类型的概率密度函数中最大概率所对应的第二值。
在一些实施例中，在某一轨迹信息满足基于所述第一值和/或所述第二值的条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
在一些实施例中，所述轨迹信息包括轨迹长度和轨迹速度，所述目标类型包括第一目标类型和第二目标类型；所述类型校正包括：
对多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得所述第一目标类型的轨迹长度概率密度函数、所述第一目标类型的轨迹速度概率密度函数、所述第二目标类型的轨迹长度概率密度函数、以及所述第二目标类型的轨迹速度概率密度函数；
分别确定所述第一目标类型的轨迹长度概率密度函数中最大概率所对应的第一长度值、所述第一目标类型的轨迹速度概率密度函数中最大概率所对应的第一速度值、所述第二目标类型的轨迹长度概率密度函数中最大概率所对应的第二长度值、以及所述第二目标类型的轨迹速度概率密度函数中最大概率所对应的第二速度值。
在一些实施例中，在某一轨迹信息的轨迹长度满足基于所述第一长度值和/或所述第二长度值的第一条件、和/或所述轨迹信息的轨迹速度满足基于所述第一速度值和/或所述第二速度值的第二条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
以下以轨迹长度和轨迹速度为例，对老年人和护工的目标类型校正进行说明。
例如，可以选择老年人和护工日常生活的一天内的数据，收集轨迹长度{l1,l2,…,ln}和相关点云的平均速度{v1,v2,…,vn}，并分别为老年人和护工拟合l→和v→，以获得如下概率密度函数：
老年人的轨迹长度概率密度函数fold(l)，
老年人的轨迹速度概率密度函数fold(v)，
护工的轨迹长度概率密度函数fnurse(l)，
护工的轨迹速度概率密度函数fnurse(v)。
图4是本申请实施例的老年人的轨迹长度概率密度函数和护工的轨迹长度概率密度函数的一示例图，如图4所示，对应fold(l)的最大概率P1，可以确定出老年人所对应的第一长度值lold,max；对应fnurse(l)的最大概率P2，可以确定出护工所对应的第二长度值lnurse,max。
图5是本申请实施例的老年人的轨迹速度概率密度函数和护工的轨迹速度概率密度函数的一示例图，如图5所示，对应fold(v)的最大概率P3，可以确定出老年人所对应的第一速度值vold,max；对应fnurse(v)的最大概率P4，可以确定出护工所对应的第二速度值vnurse,max。
在一些实施例中，对轨迹信息所对应的目标类型进行校正，包括：
对于第一目标类型的轨迹信息，在所述轨迹信息的轨迹长度大于或等于所述第二长度值并且所述轨迹信息的轨迹速度大于或等于所述第二速度值的情况下，将所述轨迹信息所对应的目标类型从第一目标类型校正为第二目标类型；和/或
对于第二目标类型的轨迹信息，在所述轨迹信息的轨迹速度小于或等于所述第一速度值的情况下，将所述轨迹信息所对应的目标类型从第二目标类型校正为第一目标类型。
例如，对于某一条轨迹，校正前的目标类型为老年人，如果该轨迹满足如下条件：lold≥lnurse,max并且vold≥vnurse,max，则将该轨迹的目标类型从老年人校正为护工。对于某一条轨迹，校正前的目标类型为护工，如果该轨迹满足如下条件：vnurse≤vold,max，则将该轨迹的目标类型从护工校正为老年人。
值得注意的是，以上仅以轨迹长度和轨迹速度、以及老年人和护工为例进行了说明，本申请不限于此，例如可以仅使用轨迹长度和轨迹速度二者之一，或者使用轨迹平滑度，或者使用这三者的任意组合，等等。再例如目标类型可以只有一种，也可以有两种或以上。此外，本申请实施例对于类型校正的条件不进行限制，可以根据实际情况确定具体的条件。
由此，根据概率密度函数对轨迹信息所对应的目标类型进行类型校正；不仅能够基于微波雷达进行ADL监控，而且能够更加准确地获得检测目标的目标类型。
在一些实施例中，可以根据第三时间段(例如1分钟)跟踪检测检测到的轨迹信息识别检测目标的活动状态；以及在所述第三时间段所述检测目标的活动状态未被识别的情况下，将所述检测目标的活动状态识别为未被定义。
例如，可以定义识别的四个状态，包括老年人在家并活跃、老年人在家并休息(例如包括睡眠、看电视等静止状态)、老年人外出、以及护理。但本申请不限于此，可以定义其他不同的状态，或者也可以定义更多的状态。
在一些实施例中，在第三时间段第一目标类型的轨迹信息的轨迹长度大于第一预设门限(th1)的情况下，将所述检测目标的活动状态识别为第一目标类型活跃；和/或，在所述第三时间段第二目标类型的轨迹信息的轨迹长度大于第二预设门限(th2)的情况下，将所述检测目标的活动状态识别为第二目标类型活跃。
例如，可以在仅当相同目标类型的累积轨迹长度大于阈值时才发生某些活动。也就是说，当护工在1分钟内的累积轨迹长度大于th1时，判定为在监控区域内工作(即状态为护理)，当老年人在1min内的累积轨迹长度大于th2时，判定为发生老年人活动(即状态为老年人在家并活跃)。
在一些实施例中，在第四时间段(例如5分钟，但不限于此)跟踪检测没有检测到检测目标的轨迹信息的情况下，可以根据生理检测的结果识别所述检测目标的活动状态。
值得注意的是，跟踪检测没有检测到检测目标的轨迹信息的情况可以包括：跟踪检测单元没有输出轨迹信息；跟踪检测单元输出了轨迹信息但是没有达到阈值，例如累计的轨迹长度没有达到长度阈值，等等。
图6是本申请实施例的活动状态识别的一示例图；例如，可以周期性地进行跟踪检测和生理检测；并且在第三时间段(例如1分钟)基于跟踪检测进行状态识别，在第四时间段(例如5分钟)基于生理检测进行状态识别。如图6所示，例如，当老年人活动在1分钟内发生时，将这段时间的状态定义为老年人在家且活跃；当护理活动在1分钟内发生时，将这段时间的状态定义为护理。
值得注意的是，老年人在家且活跃的状态和护理状态是可能同时发生的。而当1分钟内没有任何活动(例如累计的轨迹长度小于预设阈值)时，该时间段的状态在时间上会定义为undefined，将在下一步中进行状态校正，具体可以参考后面的实施例。
如图6所示，例如，如果连续5分钟没有任何活动(例如累计的轨迹长度小于预设阈值)，并且通过生理检测能够检测到呼吸频率和心率，则将这段时间的状态定义为老年人在家且休息。否则，如果连续5分钟内没有任何活动，并且生理检测无法检测到呼吸频率和心率，则将这段时间内的状态定义为老年人外出。
在一些实施例中，可以根据检测目标所在的活动区域的位置信息、以及跟踪检测和/或生理检测所获得的检测目标的位置信息，识别所述检测目标在所述活动区域的活动状态。
图7是本申请实施例的监控区域的一平面示例图。例如，根据房间平面图，可以以雷达位置为原点来确定监控区域的各个参考点，例如门、床、沙发、餐桌、冰箱、洗衣机、淋浴器和卫生间。
当用微波雷达系统映射监控区域时，可以将监控区域的坐标与来自轨迹的位置信息相结合。通过结合活动状态，可以识别出详细的活动，例如外出、睡在床上、坐在沙发上、看电视、进餐、准备饭菜、淋浴和上厕所，等等。由此，可以进一步学习检测目标的日常活动。
以上对于活动状态识别进行了示例性说明，以下对于状态校正进行说明。
在一些实施例中，可以根据前向和/或后向的至少两个连续活动状态对当前活动状态进行状态校正。
例如，为了确保有关老年人活动识别的合理性，可以根据与先前和后续状态的相关性对当前状态进行校正；校正规则例如每5分钟执行一次。
在一些实施例中，在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致。或者，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致。或者，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
例如，将Sn表示为要在5分钟窗口中校正的状态，Sn-2，Sn-1是Sn的先前状态，Sn+1，Sn+2是状态Sn之后的后续状态。然后，当满足以下任一规则时将对Sn进行校正。
规则和相应的优先级如下表1所示：
表1
以上三个规则可以使用其中一个来校正Sn。如果Sn被校正，则不能用于校正其他状态。
在一些实施例中，在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；否则，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；否则，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
例如，表1的三个规则按照顺序执行，并且只能使用一个规则来校正Sn。如果Sn被更正，则不能用于校正其他状态。
在一些实施例中，在进行状态校正之后仍存在未被定义的活动状态的情况下，将所述未被定义的活动状态校正为与前一个活动状态一致。
例如，校正之后如果仍有一些状态为未定义，则将状态修改为等于其先前状态，即Sn＝Sn-1。再例如，如果一个5分钟的窗口中所有状态都为未定义，则该5分钟的状态根据生理检测可能被修改为老年人在家且休息。
图8是本申请实施例的状态校正的一示例图，如图8所示，例如，对于2“老年人在家且活跃”的状态，满足“IfSn-1＝Sn+1and Sn≠Sn-1”，因此执行“Sn＝Sn-1”，将其校正为“护理”。再例如，对于5“老年人在家且活跃”的状态，满足“IfSn-2＝Sn-1and Sn≠Sn-1”，因此执行“Sn＝Sn-1”，将其校正为“护理”。
由此，通过状态校正，能够进一步提高ADL监控的准确性。
在本申请实施例中，微波雷达系统不需要在检测目标上穿戴任何东西，当安装在监控区域时不存在侵犯隐私的问题，并且易于进行大规模部署和实际应用。此外，能够提供在线监测检测目标日常活动的完整过程，对客观地获取检测目标的自我保健水平和健康状况很有帮助，减少了人工评估的难度和成本，并能够为护理中心选择适当护理措施提供参考。再者，能够用于分析检测目标的日常生活节奏，并向护理中心提供健康报告，从而进一步推动护理中心服务的数字化转型。
以上仅对与本申请相关的各步骤或过程进行了说明，但本申请不限于此。上述方法还可以包括其他步骤或者过程，关于这些步骤或者过程的具体内容，可以参考现有技术。此外，以上仅以上述轨迹信息为例对本申请实施例进行了示例性说明，但本申请不限于这些信息，还可以对这些信息进行适当的变型，这些变型的实施方式均应包含在本申请实施例的范围之内。
以上各个实施例仅对本申请实施例进行了示例性说明，但本申请不限于此，还可以在以上各个实施例的基础上进行适当的变型。例如，可以单独使用上述各个实施例，也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知，第一时间段根据雷达回波信息对检测目标进行跟踪检测；在没有检测到检测目标的轨迹信息的情况下进行生理检测；以及对第二时间段内所获得的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。由此，不仅能够基于微波雷达进行ADL监控，而且能够更加准确地获得检测目标的目标类型。
第二方面的实施例
本申请实施例提供一种基于微波雷达的监控装置，与第一方面的实施例相同的内容不再赘述。
图9是本申请实施例的基于微波雷达的监控装置的示意图，如图9所示，基于微波雷达的监控装置900包括：
信息获取单元901，其基于微波雷达获取从检测目标反射回的雷达回波信息；
跟踪检测单元902，其在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
生理检测单元903，其在跟踪检测单元902没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
类型校正单元904，其对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。
在一些实施例中，所述轨迹信息包括轨迹长度和轨迹速度，所述目标类型包括第一目标类型和第二目标类型；类型校正单元904用于：
对所述多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得所述第一目标类型的轨迹长度概率密度函数、所述第一目标类型的轨迹速度概率密度函数、所述第二目标类型的轨迹长度概率密度函数、以及所述第二目标类型的轨迹速度概率密度函数；
分别确定所述第一目标类型的轨迹长度概率密度函数中最大概率所对应的第一长度值、所述第一目标类型的轨迹速度概率密度函数中最大概率所对应的第一速度值、所述第二目标类型的轨迹长度概率密度函数中最大概率所对应的第二长度值、以及所述第二目标类型的轨迹速度概率密度函数中最大概率所对应的第二速度值。
在一些实施例中，类型校正单元904用于：在某一轨迹信息的轨迹长度满足基于所述第一长度值和/或所述第二长度值的第一条件、和/或、所述轨迹信息的轨迹速度满足基于所述第一速度值和/或所述第二速度值的第二条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
在一些实施例中，类型校正单元904还用于：
对于第一目标类型的轨迹信息，在所述轨迹信息的轨迹长度大于或等于所述第二长度值并且所述轨迹信息的轨迹速度大于或等于所述第二速度值的情况下，将所述轨迹信息所对应的目标类型从第一目标类型校正为第二目标类型；和/或
对于第二目标类型的轨迹信息，在所述轨迹信息的轨迹速度小于或等于所述第一速度值的情况下，将所述轨迹信息所对应的目标类型从第二目标类型校正为第一目标类型。
在一些实施例中，如图9所示，基于微波雷达的监控装置900还包括：
状态识别单元905，其根据第三时间段所述跟踪检测检测到的所述检测目标的轨迹信息识别所述检测目标的活动状态；以及在所述第三时间段所述检测目标的活动状态未被识别的情况下，将所述检测目标的活动状态识别为未被定义。
在一些实施例中，状态识别单元905在所述第三时间段第一目标类型的轨迹信息的轨迹长度大于第一预设门限的情况下，将所述检测目标的活动状态识别为第一目标类型活跃；和/或，
在所述第三时间段第二目标类型的轨迹信息的轨迹长度大于第二预设门限的情况下，将所述检测目标的活动状态识别为第二目标类型活跃。
在一些实施例中，状态识别单元905还用于：
在第四时间段所述跟踪检测单元902没有检测到所述检测目标的轨迹信息的情况下，根据所述生理检测单元903的检测结果识别所述检测目标的活动状态；和/或
根据所述检测目标所在的活动区域的位置信息、以及所述跟踪检测和/或所述生理检测所获得的所述检测目标的位置信息，识别所述检测目标在所述活动区域的活动状态。
在一些实施例中，如图9所示，基于微波雷达的监控装置900还包括：
状态校正单元906，其根据前向和/或后向的至少两个连续活动状态对当前活动状态进行状态校正。
在一些实施例中，状态校正单元906在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
或者，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
或者，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
在一些实施例中，状态校正单元906还用于：在某一活动状态被校正之后，所述活动状态不被用于校正其他活动状态，和/或，在进行状态校正之后仍存在未被定义的活动状态的情况下，将所述未被定义的活动状态校正为与前一个活动状态一致。
值得注意的是，以上仅对与本申请相关的各部件进行了说明，但本申请不限于此。基于微波雷达的监控装置900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。
为了简单起见，图9中仅示例性示出了各个部件或模块之间的连接关系或信号走向，但是本领域技术人员应该清楚的是，可以采用总线连接等各种相关技术。上述各个部件或模块可以通过例如处理器、以及存储器等硬件设施来实现；本申请实施例并不对此进行限制。
以上各个实施例仅对本申请实施例进行了示例性说明，但本申请不限于此，还可以在以上各个实施例的基础上进行适当的变型。例如，可以单独使用上述各个实施例，也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知，第一时间段根据雷达回波信息对检测目标进行跟踪检测；在没有检测到检测目标的轨迹信息的情况下进行生理检测；以及对第二时间段所获得的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。由此，不仅能够基于微波雷达进行ADL监控，而且能够更加准确地获得检测目标的目标类型。
第三方面的实施例
本申请实施例提供一种电子设备，包括如第二方面的实施例所述的基于微波雷达的监控装置900，其内容被合并于此。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、或者智能手机，等等；也可以是这些设备中的一个或一些部件；但本申请实施例不限于此。
图10是本申请实施例的电子设备的示意图。如图10所示，电子设备1000可以包括：处理器(例如中央处理器CPU)1010和存储器1020；存储器1020耦合到中央处理器1010。其中该存储器1020可存储各种数据；此外还存储信息处理的程序1021，并且在处理器1010的控制下执行该程序1021。
在一些实施例中，基于微波雷达的监控装置900的功能被集成到处理器1010中实现。其中，处理器1010被配置为实现如第一方面的实施例所述的基于微波雷达的监控方法。
例如，处理器1010被配置为实现如下控制：基于微波雷达获取从检测目标反射回的雷达回波信息；在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；在没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。
此外，如图10所示，电子设备1000还可以包括：输入输出(I/O)设备1030和显示器1040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1000也并不是必须要包括图10中所示的所有部件；此外，电子设备1000还可以包括图10中没有示出的部件，可以参考相关技术。
本申请实施例还提供一种计算机可读程序，其中当在电子设备中执行所述程序时，所述程序使得计算机在所述电子设备中执行如第一方面的实施例所述的基于微波雷达的监控方法。
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计算机在电子设备中执行如第一方面的实施例所述的基于微波雷达的监控方法。
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、或者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、或由处理器执行的软件模块或二者组合。例如，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监控方法，包括：
基于微波雷达获取从检测目标反射回的雷达回波信息；
在第一时间段(例如1秒)根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
在没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息(例如呼吸频率和心率)；以及
对第二时间段(例如1天)所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的概率密度函数，并根据所述概率密度函数对轨迹信息所对应的目标类型进行类型校正。
附记2、根据附记1所述的方法，其中，所述轨迹信息包括轨迹长度和轨迹速度；所述类型校正包括：
对所述多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得所述检测目标的轨迹长度概率密度函数和轨迹速度概率密度函数；以及
分别确定所述轨迹长度概率密度函数中最大概率所对应的长度值、以及所述轨迹速度概率密度函数中最大概率所对应的速度值。
附记3、根据附记2所述的方法，其中，所述类型校正还包括：
在某一轨迹信息的轨迹长度满足基于所述长度值的条件和/或所述轨迹信息的轨迹速度满足基于所述速度值的条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
附记4、根据附记1所述的方法，其中，所述目标类型包括第一目标类型和第二目标类型；所述类型校正包括：
对所述多个轨迹信息分别进行统计，以获得所述第一目标类型的概率密度函数和所述第二目标类型的概率密度函数；以及
分别确定所述第一目标类型的概率密度函数中最大概率所对应的第一值、以及所述第二目标类型的概率密度函数中最大概率所对应的第二值。
附记5、根据附记4所述的方法，其中，所述类型校正还包括：
在某一轨迹信息满足基于所述第一值和/或所述第二值的条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
附记6、根据附记1所述的方法，其中，所述轨迹信息包括轨迹长度和轨迹速度，所述目标类型包括第一目标类型和第二目标类型；所述类型校正包括：
对所述多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得所述第一目标类型的轨迹长度概率密度函数、所述第一目标类型的轨迹速度概率密度函数、所述第二目标类型的轨迹长度概率密度函数、以及所述第二目标类型的轨迹速度概率密度函数；以及
分别确定所述第一目标类型的轨迹长度概率密度函数中最大概率所对应的第一长度值、所述第一目标类型的轨迹速度概率密度函数中最大概率所对应的第一速度值、所述第二目标类型的轨迹长度概率密度函数中最大概率所对应的第二长度值、以及所述第二目标类型的轨迹速度概率密度函数中最大概率所对应的第二速度值。
附记7、根据附记6所述的方法，其中，所述类型校正还包括：
在某一轨迹信息的轨迹长度满足基于所述第一长度值和/或所述第二长度值的第一条件、和/或所述轨迹信息的轨迹速度满足基于所述第一速度值和/或所述第二速度值的第二条件的情况下，对所述轨迹信息所对应的目标类型进行校正。
附记8、根据附记7所述的方法，其中，对所述轨迹信息所对应的目标类型进行校正，包括：
对于第一目标类型的轨迹信息，在所述轨迹信息的轨迹长度大于或等于所述第二长度值并且所述轨迹信息的轨迹速度大于或等于所述第二速度值的情况下，将所述轨迹信息所对应的目标类型从第一目标类型校正为第二目标类型；和/或
对于第二目标类型的轨迹信息，在所述轨迹信息的轨迹速度小于或等于所述第一速度值的情况下，将所述轨迹信息所对应的目标类型从第二目标类型校正为第一目标类型。
附记9、根据附记1至8任一项所述的方法，其中，所述方法还包括：
根据第三时间段(例如1分钟)所述跟踪检测检测到的所述检测目标的轨迹信息识别所述检测目标的活动状态；以及
在所述第三时间段所述检测目标的活动状态未被识别的情况下，将所述检测目标的活动状态识别为未被定义。
附记10、根据附记9所述的方法，其中，在所述第三时间段第一目标类型的轨迹信息的轨迹长度大于第一预设门限(th1)的情况下，将所述检测目标的活动状态识别为第一目标类型活跃；和/或，
在所述第三时间段第二目标类型的轨迹信息的轨迹长度大于第二预设门限(th2)的情况下，将所述检测目标的活动状态识别为第二目标类型活跃。
附记11、根据附记1至10任一项所述的方法，其中，所述方法还包括：
在第四时间段(例如5分钟)所述跟踪检测没有检测到所述检测目标的轨迹信息的情况下，根据所述生理检测的结果识别所述检测目标的活动状态。
附记12、根据附记1至11任一项所述的方法，其中，所述方法还包括：
根据所述检测目标所在的活动区域的位置信息、以及所述跟踪检测和/或所述生理检测所获得的所述检测目标的位置信息，识别所述检测目标在所述活动区域的活动状态。
附记13、根据附记1至12任一项所述的方法，其中，所述方法还包括：
根据前向和/或后向的至少两个连续活动状态对当前活动状态进行状态校正。
附记14、根据附记13所述的方法，其中，在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致。
附记15、根据附记13所述的方法，其中，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致。
附记16、根据附记13所述的方法，其中，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
附记17、根据附记13所述的方法，其中，在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
否则，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
否则，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
附记18、根据附记13至17任一项所述的方法，其中，所述方法还包括：
在某一活动状态被校正之后，所述活动状态不被用于校正其他活动状态。
附记19、根据附记13至18任一项所述的方法，其中，所述方法还包括：
在进行状态校正之后仍存在未被定义的活动状态的情况下，将所述未被定义的活动状态校正为与前一个活动状态一致。
附记20、一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置为执行如附记1至19任一项所述的基于微波雷达的监控方法。
Claims (10)
1.一种基于微波雷达的监控装置，其特征在于，所述装置包括：
信息获取单元，其基于微波雷达获取从检测目标反射回的雷达回波信息；
跟踪检测单元，其在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
生理检测单元，其在所述跟踪检测单元没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
类型校正单元，其对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。
2.根据权利要求1所述的装置，其中，所述轨迹信息包括轨迹长度和轨迹速度，所述目标类型包括第一目标类型和第二目标类型；所述类型校正单元用于：
对所述多个轨迹信息按照轨迹长度和轨迹速度分别进行统计，以获得所述第一目标类型的轨迹长度概率密度函数、所述第一目标类型的轨迹速度概率密度函数、所述第二目标类型的轨迹长度概率密度函数、以及所述第二目标类型的轨迹速度概率密度函数；以及
分别确定所述第一目标类型的轨迹长度概率密度函数中最大概率所对应的第一长度值、所述第一目标类型的轨迹速度概率密度函数中最大概率所对应的第一速度值、所述第二目标类型的轨迹长度概率密度函数中最大概率所对应的第二长度值、以及所述第二目标类型的轨迹速度概率密度函数中最大概率所对应的第二速度值。
3.根据权利要求2所述的装置，其中，所述类型校正单元还用于：
在某一轨迹信息的轨迹长度满足基于所述第一长度值和/或所述第二长度值的第一条件、和/或、所述轨迹信息的轨迹速度满足基于所述第一速度值和/或所述第二速度值的第二条件的情况下，对所述轨迹信息所对应的目标类型进行校正；
其中，对于第一目标类型的轨迹信息，在所述轨迹信息的轨迹长度大于或等于所述第二长度值并且所述轨迹信息的轨迹速度大于或等于所述第二速度值的情况下，将所述轨迹信息所对应的目标类型从第一目标类型校正为第二目标类型；和/或
对于第二目标类型的轨迹信息，在所述轨迹信息的轨迹速度小于或等于所述第一速度值的情况下，将所述轨迹信息所对应的目标类型从第二目标类型校正为第一目标类型。
4.根据权利要求1所述的装置，其中，所述装置还包括：
状态识别单元，其根据第三时间段所述跟踪检测检测到的所述检测目标的轨迹信息识别所述检测目标的活动状态；以及在所述第三时间段所述检测目标的活动状态未被识别的情况下，将所述检测目标的活动状态识别为未被定义。
5.根据权利要求4所述的装置，其中，所述状态识别单元在所述第三时间段第一目标类型的轨迹信息的轨迹长度大于第一预设门限的情况下，将所述检测目标的活动状态识别为第一目标类型活跃；和/或，
在所述第三时间段第二目标类型的轨迹信息的轨迹长度大于第二预设门限的情况下，将所述检测目标的活动状态识别为第二目标类型活跃。
6.根据权利要求4所述的装置，其中，所述状态识别单元还用于：
在第四时间段所述跟踪检测单元没有检测到所述检测目标的轨迹信息的情况下，根据所述生理检测单元的检测结果识别所述检测目标的活动状态；和/或
根据所述检测目标所在的活动区域的位置信息、以及所述跟踪检测和/或所述生理检测所获得的所述检测目标的位置信息，识别所述检测目标在所述活动区域的活动状态。
7.根据权利要求1所述的装置，其中，所述装置还包括：
状态校正单元，其根据前向和/或后向的至少两个连续活动状态对当前活动状态进行状态校正。
8.根据权利要求7所述的装置，其中，所述状态校正单元在前向两个连续的活动状态相同且前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
或者，在前一个活动状态和后一个活动状态相同且所述前一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述前一个活动状态一致；
或者，在后向两个连续的活动状态相同且后一个活动状态不同于当前活动状态的情况下，将所述当前活动状态校正为与所述后一个活动状态一致。
9.根据权利要求7所述的装置，其中，所述状态校正单元还用于：
在某一活动状态被校正之后，所述活动状态不被用于校正其他活动状态；和/或
在进行状态校正之后仍存在未被定义的活动状态的情况下，将所述未被定义的活动状态校正为与前一个活动状态一致。
10.一种基于微波雷达的监控方法，其特征在于，所述方法包括：
基于微波雷达获取从检测目标反射回的雷达回波信息；
在第一时间段根据所述雷达回波信息对所述检测目标进行跟踪检测，以获得所述检测目标的轨迹信息以及对应的目标类型；
在没有检测到所述检测目标的轨迹信息的情况下，根据所述雷达回波信息对所述检测目标进行生理检测，以获得所述检测目标的生命特征信息；以及
对第二时间段所获得的所述检测目标的多个轨迹信息进行统计以获得所述检测目标的轨迹信息的概率密度函数，并根据所述概率密度函数对所述轨迹信息所对应的目标类型进行类型校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010263692.4A CN113495270B (zh) | 2020-04-07 | 2020-04-07 | 基于微波雷达的监控装置以及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010263692.4A CN113495270B (zh) | 2020-04-07 | 2020-04-07 | 基于微波雷达的监控装置以及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113495270A true CN113495270A (zh) | 2021-10-12 |
| CN113495270B CN113495270B (zh) | 2024-08-27 |
Family
ID=77995403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010263692.4A Active CN113495270B (zh) | 2020-04-07 | 2020-04-07 | 基于微波雷达的监控装置以及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113495270B (zh) |
Citations (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4894658A (en) * | 1983-11-04 | 1990-01-16 | Motorola, Inc. | Method of data reduction in non-coherent side-looking airborne radars |
| US5592170A (en) * | 1995-04-11 | 1997-01-07 | Jaycor | Radar system and method for detecting and discriminating targets from a safe distance |
| CN101542549A (zh) * | 2007-03-06 | 2009-09-23 | 株式会社东芝 | 可疑行为检测系统及方法 |
| EP2150053A1 (en) * | 2007-04-27 | 2010-02-03 | Honda Motor Co., Ltd. | Vehicle periphery monitoring system, vehicle periphery monitoring program and vehicle periphery monitoring method |
| CN101770648A (zh) * | 2009-01-06 | 2010-07-07 | 北京中星微电子有限公司 | 一种基于视频监控的徘徊检测系统及方法 |
| US20110063162A1 (en) * | 2009-09-11 | 2011-03-17 | Furuno Electric Co., Ltd. | Image processing device, radar apparatus equipped with the same, method of processing image, and image processing program |
| US20110222727A1 (en) * | 2010-03-10 | 2011-09-15 | Vinay Sharma | Object Localization Using Tracked Object Trajectories |
| US20120195459A1 (en) * | 2011-01-28 | 2012-08-02 | Raytheon Company | Classification of target objects in motion |
| JP2013221924A (ja) * | 2012-04-19 | 2013-10-28 | Toyota Motor Corp | 車載レーダ装置 |
| JP2014089056A (ja) * | 2012-10-29 | 2014-05-15 | Furuno Electric Co Ltd | 追尾処理装置、及び追尾処理方法 |
| US20140266860A1 (en) * | 2013-03-14 | 2014-09-18 | Gaddi BLUMROSEN | Method and system for activity detection and classification |
| US20150066448A1 (en) * | 2013-08-28 | 2015-03-05 | Disney Enterprises, Inc. | Method and device for tracking sports players with context-conditioned motion models |
| US9292792B1 (en) * | 2012-09-27 | 2016-03-22 | Lockheed Martin Corporation | Classification systems and methods using convex hulls |
| CN106805940A (zh) * | 2015-12-02 | 2017-06-09 | 由国峰 | 一种连续波生物雷达体征检测装置 |
| US20170245784A1 (en) * | 2016-02-25 | 2017-08-31 | Fujitsu Limited | Sensor information processing apparatus |
| KR20170129361A (ko) * | 2016-05-17 | 2017-11-27 | 엘아이지넥스원 주식회사 | 비동기식 센서들을 이용한 표적 추적 시스템 및 방법 |
| CN107861123A (zh) * | 2017-10-24 | 2018-03-30 | 武汉大学 | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 |
| CN108348194A (zh) * | 2015-09-15 | 2018-07-31 | 联邦科学和工业研究机构 | 活动能力监视 |
| CN108876806A (zh) * | 2018-05-07 | 2018-11-23 | 广东省电信规划设计院有限公司 | 基于大数据分析的目标跟踪方法和系统、存储介质及设备 |
| JP2018205229A (ja) * | 2017-06-08 | 2018-12-27 | 沖電気工業株式会社 | 信号追尾装置及び信号追尾方法 |
| CN109117721A (zh) * | 2018-07-06 | 2019-01-01 | 江西洪都航空工业集团有限责任公司 | 一种行人徘徊检测方法 |
| CN109212514A (zh) * | 2018-09-29 | 2019-01-15 | 河北德冠隆电子科技有限公司 | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 |
| CN109557535A (zh) * | 2017-09-26 | 2019-04-02 | 英飞凌科技股份有限公司 | 用于使用毫米波雷达传感器的占用检测的系统和方法 |
| JP2019092726A (ja) * | 2017-11-21 | 2019-06-20 | クラリオン株式会社 | 生体情報検出装置、及び生体情報検出装置の制御方法 |
| CN109917341A (zh) * | 2019-03-08 | 2019-06-21 | 森思泰克河北科技有限公司 | 雷达运动目标跟踪性能测试方法、终端设备及存储介质 |
| CN109977885A (zh) * | 2019-03-29 | 2019-07-05 | 成都纳雷科技有限公司 | 一种基于多普勒特征的人车自动识别方法及装置 |
| CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
| CN110058220A (zh) * | 2019-05-05 | 2019-07-26 | 广东勘生科技有限公司 | 基于毫米波雷达技术的火灾探测救援方法及系统 |
| CN110488264A (zh) * | 2019-07-05 | 2019-11-22 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
| CN110568436A (zh) * | 2018-06-06 | 2019-12-13 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
| CN110609281A (zh) * | 2019-08-23 | 2019-12-24 | 珠海格力电器股份有限公司 | 一种区域检测方法及装置 |
| CN110738095A (zh) * | 2019-08-23 | 2020-01-31 | 珠海格力电器股份有限公司 | 一种行为分析方法及装置 |
| JP2020034363A (ja) * | 2018-08-29 | 2020-03-05 | 沖電気工業株式会社 | 信号追尾装置、信号追尾システム、信号追尾方法およびプログラム |
| CN110874362A (zh) * | 2019-10-29 | 2020-03-10 | 青岛海信网络科技股份有限公司 | 一种数据关联分析方法及装置 |
| CN110879394A (zh) * | 2019-12-26 | 2020-03-13 | 湖南纳雷科技有限公司 | 基于运动姿态信息的无人船雷达避障系统及方法 |
| CN110907909A (zh) * | 2019-10-30 | 2020-03-24 | 南京市德赛西威汽车电子有限公司 | 一种基于概率统计的雷达目标识别方法 |
-
2020
- 2020-04-07 CN CN202010263692.4A patent/CN113495270B/zh active Active
Patent Citations (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4894658A (en) * | 1983-11-04 | 1990-01-16 | Motorola, Inc. | Method of data reduction in non-coherent side-looking airborne radars |
| US5592170A (en) * | 1995-04-11 | 1997-01-07 | Jaycor | Radar system and method for detecting and discriminating targets from a safe distance |
| CN101542549A (zh) * | 2007-03-06 | 2009-09-23 | 株式会社东芝 | 可疑行为检测系统及方法 |
| EP2150053A1 (en) * | 2007-04-27 | 2010-02-03 | Honda Motor Co., Ltd. | Vehicle periphery monitoring system, vehicle periphery monitoring program and vehicle periphery monitoring method |
| CN101770648A (zh) * | 2009-01-06 | 2010-07-07 | 北京中星微电子有限公司 | 一种基于视频监控的徘徊检测系统及方法 |
| US20110063162A1 (en) * | 2009-09-11 | 2011-03-17 | Furuno Electric Co., Ltd. | Image processing device, radar apparatus equipped with the same, method of processing image, and image processing program |
| US20110222727A1 (en) * | 2010-03-10 | 2011-09-15 | Vinay Sharma | Object Localization Using Tracked Object Trajectories |
| US20120195459A1 (en) * | 2011-01-28 | 2012-08-02 | Raytheon Company | Classification of target objects in motion |
| JP2013221924A (ja) * | 2012-04-19 | 2013-10-28 | Toyota Motor Corp | 車載レーダ装置 |
| US9292792B1 (en) * | 2012-09-27 | 2016-03-22 | Lockheed Martin Corporation | Classification systems and methods using convex hulls |
| JP2014089056A (ja) * | 2012-10-29 | 2014-05-15 | Furuno Electric Co Ltd | 追尾処理装置、及び追尾処理方法 |
| US20140266860A1 (en) * | 2013-03-14 | 2014-09-18 | Gaddi BLUMROSEN | Method and system for activity detection and classification |
| US20150066448A1 (en) * | 2013-08-28 | 2015-03-05 | Disney Enterprises, Inc. | Method and device for tracking sports players with context-conditioned motion models |
| CN108348194A (zh) * | 2015-09-15 | 2018-07-31 | 联邦科学和工业研究机构 | 活动能力监视 |
| CN106805940A (zh) * | 2015-12-02 | 2017-06-09 | 由国峰 | 一种连续波生物雷达体征检测装置 |
| US20170245784A1 (en) * | 2016-02-25 | 2017-08-31 | Fujitsu Limited | Sensor information processing apparatus |
| KR20170129361A (ko) * | 2016-05-17 | 2017-11-27 | 엘아이지넥스원 주식회사 | 비동기식 센서들을 이용한 표적 추적 시스템 및 방법 |
| JP2018205229A (ja) * | 2017-06-08 | 2018-12-27 | 沖電気工業株式会社 | 信号追尾装置及び信号追尾方法 |
| CN109557535A (zh) * | 2017-09-26 | 2019-04-02 | 英飞凌科技股份有限公司 | 用于使用毫米波雷达传感器的占用检测的系统和方法 |
| CN107861123A (zh) * | 2017-10-24 | 2018-03-30 | 武汉大学 | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 |
| JP2019092726A (ja) * | 2017-11-21 | 2019-06-20 | クラリオン株式会社 | 生体情報検出装置、及び生体情報検出装置の制御方法 |
| CN108876806A (zh) * | 2018-05-07 | 2018-11-23 | 广东省电信规划设计院有限公司 | 基于大数据分析的目标跟踪方法和系统、存储介质及设备 |
| CN110568436A (zh) * | 2018-06-06 | 2019-12-13 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
| CN109117721A (zh) * | 2018-07-06 | 2019-01-01 | 江西洪都航空工业集团有限责任公司 | 一种行人徘徊检测方法 |
| JP2020034363A (ja) * | 2018-08-29 | 2020-03-05 | 沖電気工業株式会社 | 信号追尾装置、信号追尾システム、信号追尾方法およびプログラム |
| CN109212514A (zh) * | 2018-09-29 | 2019-01-15 | 河北德冠隆电子科技有限公司 | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 |
| CN109917341A (zh) * | 2019-03-08 | 2019-06-21 | 森思泰克河北科技有限公司 | 雷达运动目标跟踪性能测试方法、终端设备及存储介质 |
| CN109977885A (zh) * | 2019-03-29 | 2019-07-05 | 成都纳雷科技有限公司 | 一种基于多普勒特征的人车自动识别方法及装置 |
| CN110058220A (zh) * | 2019-05-05 | 2019-07-26 | 广东勘生科技有限公司 | 基于毫米波雷达技术的火灾探测救援方法及系统 |
| CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
| CN110488264A (zh) * | 2019-07-05 | 2019-11-22 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
| CN110738095A (zh) * | 2019-08-23 | 2020-01-31 | 珠海格力电器股份有限公司 | 一种行为分析方法及装置 |
| CN110609281A (zh) * | 2019-08-23 | 2019-12-24 | 珠海格力电器股份有限公司 | 一种区域检测方法及装置 |
| CN110874362A (zh) * | 2019-10-29 | 2020-03-10 | 青岛海信网络科技股份有限公司 | 一种数据关联分析方法及装置 |
| CN110907909A (zh) * | 2019-10-30 | 2020-03-24 | 南京市德赛西威汽车电子有限公司 | 一种基于概率统计的雷达目标识别方法 |
| CN110879394A (zh) * | 2019-12-26 | 2020-03-13 | 湖南纳雷科技有限公司 | 基于运动姿态信息的无人船雷达避障系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113495270B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Heart rate sensing with a robot mounted mmwave radar | |
| Wang et al. | Rf-ecg: Heart rate variability assessment based on cots rfid tag array | |
| US9972187B1 (en) | Biomechanical parameter determination for emergency alerting and health assessment | |
| Liu et al. | TagSheet: Sleeping posture recognition with an unobtrusive passive tag matrix | |
| US9940822B2 (en) | Systems and methods for analysis of subject activity | |
| US20240266046A1 (en) | Systems, apparatus and methods for acquisition, storage, and analysis of health and environmental data | |
| Lee et al. | Issues in data fusion for healthcare monitoring | |
| US11412957B2 (en) | Non-contact identification of gait dynamics, patterns and abnormalities for elderly care | |
| CN108670261A (zh) | 运动状态检测方法、可佩戴设备以及装置 | |
| US11547364B2 (en) | Abnormality notification system, abnormality notification method, and program | |
| Miller et al. | Smart homes that detect sneeze, cough, and face touching | |
| KR101993649B1 (ko) | 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 | |
| Wagner et al. | Comparison of two techniques for monitoring of human movements | |
| Kuo et al. | A visual context-awareness-based sleeping-respiration measurement system | |
| Khan et al. | Contactless monitoring of PPG using radar | |
| Mongan et al. | Real-time detection of apnea via signal processing of time-series properties of RFID-based smart garments | |
| CN113495270B (zh) | 基于微波雷达的监控装置以及方法 | |
| Park et al. | Force-sensing-based unobtrusive system for awakening and respiration rate analysis during sleep | |
| US20190216367A1 (en) | Patient monitoring system using wearable sensors with automated template matching | |
| Luštrek et al. | Behavior analysis based on coordinates of body tags | |
| KR101768645B1 (ko) | 무선 네트워크 기반의 생체 신호 모니터링 방법 및 장치 | |
| KR101720295B1 (ko) | 무선 네트워크 기반의 생체 신호 모니터링 방법 및 장치 | |
| CN110236557B (zh) | 现象预测系统、传感器信号处理系统、现象预测方法、非瞬时性记录介质及计算机记录介质 | |
| KR101768643B1 (ko) | 무선 네트워크 기반의 생체 신호 모니터링 방법 및 장치 | |
| KR101768644B1 (ko) | 무선 네트워크 기반의 생체 신호 모니터링 방법 및 장치 |
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 |