CN115204221B - 生理参数的检测方法、设备及存储介质 - Google Patents
生理参数的检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN115204221B CN115204221B CN202210743022.1A CN202210743022A CN115204221B CN 115204221 B CN115204221 B CN 115204221B CN 202210743022 A CN202210743022 A CN 202210743022A CN 115204221 B CN115204221 B CN 115204221B
- Authority
- CN
- China
- Prior art keywords
- radar
- information
- position information
- coordinate system
- human body
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了生理参数的检测方法、设备及存储介质,该方法包括:根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据;基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数,解决了运动过程中无法对生理参数进行准确监测的问题,提高运动过程中生理参数的检测精度。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种生理参数的检测方法、设备及存储介质。
背景技术
人在运动中,对呼吸、心率进行实时监测,不仅可以对运动状态比如有氧、无氧等状况进行反映,指导运动,也可以在身体出现异常的情况下进行预警。现有健身房的健身器械,通常没有生理指标监测的功能,在多数情况下,比如跑步机,又没有合适的位置使设备和人体接触用来测量生理指标,不利于对运动中的人体的生理指标进行实时监测。
发明内容
本申请实施例通过提供一种生理参数的检测方法、设备及存储介质,旨在提高运动过程中生理参数的检测精度。
本申请实施例提供了一种生理参数的检测方法,所述生理参数的检测方法,包括:
根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;
基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;
将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据;
基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数。
在一实施例中,所述将所述第二位置以及点云速度信息输入预先训练的人体运动模型,得到运动信息的步骤包括:
将所述第二位置信息输入预设神经网络模型,得到人体轮廓信息;
获取所述人体轮廓信息中的关键节点的位置信息以及所述关键节点的点云速度信息;
将所述关键节点的位置信息以及所述关键节点的点云速度信息输入预先训练的人体运动模型,得到运动信息。
在一实施例中,所述基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数的步骤之后还包括:
获取目标身体部位的位置;
接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号;
根据所述反射信号得到所述目标身体部位对应的目标生理参数。
在一实施例中,所述接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号的步骤之前包括:
获取在雷达坐标系下所述目标身体部位的位置相对于Z轴方向的夹角;
根据所述夹角确定波速带宽以及发射方向;
基于所述发射方向发射所述波速带宽的雷达信号。
在一实施例中,所述根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息的步骤之前,还包括:
对相机设备以及雷达设备的位置进行标定;
采用标定后的相机设备采集图像信息以及采用标定后的雷达设备发射雷达信号。
在一实施例中,所述对相机设备以及雷达设备的位置进行标定的步骤包括:
获取相机设备采集的图像信息以及雷达设备发射的雷达信号对应的反射信号;
在所述图像信息以及所述雷达信号对应的反射信号中均存在各个标定物的位置信息时,则判定完成对相机设备以及雷达设备的位置的标定。
在一实施例中,所述对相机设备以及雷达设备的位置进行标定的步骤之后,还包括:
根据所述图像信息确定所述标定物在相机坐标系下的位置信息,并根据所述雷达信号对应的反射信号确定所述标定物在雷达坐标系下的位置信息;
根据所述相机坐标系下的位置信息以及所述雷达坐标系下的位置信息确定坐标转换矩阵,其中,所述坐标转换矩阵用于将相机坐标系下的人体的目标身体部位的第一位置转化为在雷达坐标系下所述目标身体部位的第二位置。
此外,为实现上述目的,本发明还提供了一种检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的生理参数的检测程序,所述生理参数的检测程序被所述处理器执行时实现上述的生理参数的检测方法的步骤。
此外,为实现上述目的,本发明还提供了一种存储介质,其上存储有生理参数的检测程序,所述生理参数的检测程序被处理器执行时实现上述的生理参数的检测方法的步骤。
本申请实施例中提供的一种生理参数的检测方法、设备及存储介质的技术方案,由于采用了根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据;基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数技术方案,由于可根据人体运动模型得到运动信息以及目标身体部位的位置,在将其他身体部位的第一运动数据删除之后,可对该目标身体部位的位置的第二运动数据进行分析从而提取目标生理参数,解决了运动过程中无法对生理参数进行准确监测的问题,提高运动过程中生理参数的检测精度。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明生理参数的检测方法第一实施例的流程示意图;
图3为本发明第一实施例步骤S140之后的流程示意图;
图4为本发明第一实施例步骤S110之前的流程示意图;
图5为本发明第三实施例步骤S310之后的流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明,上述附图只是一个实施例图,而不是发明的全部。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,图1为本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为检测设备的硬件运行环境的结构示意图。
如图1所示,该检测设备可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的检测设备的结构并不构成对检测设备限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及生理参数的检测程序。其中,操作系统是管理和控制检测设备硬件和软件资源的程序,生理参数的检测程序以及其它软件或程序的运行。
在图1所示的检测设备中,用户接口1003主要用于连接终端,与终端进行数据通信;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的生理参数的检测程序。
在本实施例中,检测设备包括:存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的生理参数的检测程序,其中:
处理器1001调用存储器1005中存储的生理参数的检测程序时,执行以下操作:
根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;
基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;
将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据;
基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
将所述第二位置信息输入预设神经网络模型,得到人体轮廓信息;
获取所述人体轮廓信息中的关键节点的位置信息以及所述关键节点的点云速度信息;
将所述关键节点的位置信息以及所述关键节点的点云速度信息输入预先训练的人体运动模型,得到运动信息。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
获取目标身体部位的位置;
接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号;
根据所述反射信号得到所述目标身体部位对应的目标生理参数。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
获取在雷达坐标系下所述目标身体部位的位置相对于Z轴方向的夹角;
根据所述夹角确定波速带宽以及发射方向;
基于所述发射方向发射所述波速带宽的雷达信号。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
对相机设备以及雷达设备的位置进行标定;
采用标定后的相机设备采集图像信息以及采用标定后的雷达设备发射雷达信号。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
获取相机设备采集的图像信息以及雷达设备发射的雷达信号对应的反射信号;
在所述图像信息以及所述雷达信号对应的反射信号中均存在各个标定物的位置信息时,则判定完成对相机设备以及雷达设备的位置的标定。
处理器1001调用存储器1005中存储的生理参数的检测程序时,还执行以下操作:
根据所述图像信息确定所述标定物在相机坐标系下的位置信息,并根据所述雷达信号对应的反射信号确定所述标定物在雷达坐标系下的位置信息;
根据所述相机坐标系下的位置信息以及所述雷达坐标系下的位置信息确定坐标转换矩阵,其中,所述坐标转换矩阵用于将相机坐标系下的人体的目标身体部位的第一位置转化为在雷达坐标系下所述目标身体部位的第二位置。
本发明实施例提供了生理参数的检测方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图2所示,在本申请的第一实施例中,本申请的生理参数的检测方法,包括以下步骤:
步骤S110,根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息。
在本实施例中,可选地,所述相机设备可以安装在运动器材上,也可安装在房间或者区域内的任意位置,在采用所述相机设备进行人体的图像信息检测之前,需要对所述相机设备的位置进行标定,以使所述相机设备可以采集到人体的图像信息。可选地,还可以对所述相机设备的数量进行设置,从而采集房间内或者区域内的所有运动人体的图像信息。
在本实施例中,运动过程时,启动相机设备拍摄图像。所述相机设备采集的图像信息除了包括人、人的位置信息、人的运动状态之外,还包括其他干扰物体。可选地,在根据相机设备采集图像信息之后,可对所述图像信息进行处理,再根据处理后的图像信息确定人体的位置信息;对图像处理的过程可以是:将图像信息中的噪点信息进行过滤,过滤干扰物体信息等。可选地,还可以分析相机设备采集的图像信息,对所述图像信息进行分析,从而提取所述图像信息中的人体的位置信息。其中,所述第一位置信息为人体在相机坐标系下的位置信息,根据所述图像信息可确定在相机坐标系下人体的第一位置信息。
步骤S120,基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息。
在本实施例中,在确定人体的第一位置信息之后,需将所述第一位置信息转化为雷达坐标系下的位置信息。其中,所述第二位置信息为人体在雷达坐标系下的位置信息。所述坐标转换矩阵可预先建立,可通过标定后的照相设备以及雷达设备确定,所述坐标转换矩阵的建立过程可参照第四实施例,这里不再赘述。所述预设的坐标转换矩阵用于将相机坐标系下人体的第一位置信息转换为雷达坐标系下人体的第二位置信息。例如,设T为从Cc到Cr的坐标变换矩阵,其中,Cc可视为由相机设备确定的在相机坐标系下人体的第一位置信息,Cr可视为雷达坐标系下所述人体的第二位置信息,在已知相机坐标系下人体的第一位置信息之后,基于公式Cr=TCc即可确定雷达坐标系下人体的第二位置信息。
步骤S130,将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息。
在本实施例中,所述点云速度信息可根据雷达设备进行获取,具体的,可获取雷达设备发射的雷达信号的发射频率以及所述雷达信号对应的反射信号的反射频率;根据所述发射频率以及所述反射频率确定各个所述人体表面反射点对应的点云速度信息。所述运动信息为人体的整体运动信息,包括所述目标身体部位的第一运动数据以及除所述目标身体部位的其他身体部位的第二运动数据。其中,所述第一运动数据为所述目标身体部位的运动数据,所述第二运动数据为其他身体部位的第二运动数据,所述目标身体部位为胸腔,所述其他身体部位为除胸腔之外的其他身体部位,例如头部、腿部等。
在本实施例中,在获取到各个人体表面反射点的第二位置信息之后,将所述第二位置信息输入预设神经网络模型,得到人体轮廓信息。可提取所述人体轮廓信息中的关键节点。所述关键节点可以是人体边缘点、还可以根据身体部位确定可提取的关键节点。所述关键节点的数量可根据实际情况进行确定。在提取关键节点之后,可获取所述关键节点的位置信息以及所述关键节点的点云速度信息。将所述关键节点的位置信息以及所述点云速度信息输入预先训练的人体运动模型,得到运动信息。
在本实施例中,在将所述关键节点的位置信息以及点云速度信息输入预先训练的人体运动模型之后,得到运动信息,可根据所述运动信息确定人体运动状态,例如,所述人体运动状态可能是抬手、抬脚等状态。在将关键节点的位置信息输入预先训练的人体运动模型中,所述预先训练的人体运动模型会将所述人体轮廓进行分割,分割成不同的身体部位。从而实现从所述人体运动学模型推算心率和呼吸引起的人体表面运动最为显著的区域的空间位置,即目标身体部位的位置,仅对该目标身体部位的位置的雷达信号进行分析,可有效降低身体其它部位的影响。
步骤S140,基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数。
在本实施例中,所述目标身体部位为胸腔部位,通过所述胸腔部位的第一运动数据得到生理参数。其中,所述生理参数可为呼吸特征以及心率特征等。因此,由于运动信息中叠加了第一运动数据以及第二运动数据,需要将除所述目标身体部位的其他身体部位的第二运动数据滤除。不同的运动数据对应的频率不同,本申请可设置所述第二运动数据对应的预设滤波频率;基于所述预设滤波频率将所述第二运动数据从所述运动信息中滤除,从而得到第一运动数据。
通过对所述第一运动数据进行处理,从而得到目标生理参数。具体的,对所述第一运动数据进行傅里叶变换;基于滤波筛选的方式从所述傅里叶变换后的所述第一运动数据中得到生理参数;对所述生理参数进行峰值捕捉,得到目标生理参数。可选地,在所述生理参数包括呼吸特征以及心率特征时,可分别设置呼吸特征的滤波频率以及心率特征的滤波频率,将所述呼吸特征以及所述心率特征分别过滤分开;对所述呼吸特征以及所述心率特征分别进行峰值捕捉,得到目标呼吸特征以及目标心率特征。
本实施例根据上述技术方案,由于采用了根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;将所述第二位置信息以及点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据;基于预设滤波频率将所述第二运动数据滤除,并根据所述第一运动数据得到目标生理参数技术方案,由于可根据人体运动模型得到运动信息以及目标身体部位的位置,在将其他身体部位的第一运动数据删除之后,可对该目标身体部位的位置的第二运动数据进行分析从而提取目标生理参数,解决了运动过程中无法对生理参数进行准确监测的问题,提高运动过程中生理参数的检测精度。
如图3所示,在本申请的第二实施例中,基于第一实施例步骤S140之后,本申请的生理参数的检测方法,包括以下步骤:
步骤S210,获取目标身体部位的位置;
步骤S220,接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号;
步骤S230,根据所述反射信号得到所述目标身体部位对应的目标生理参数。
在本实施例中,在将所述位置信息以及所述点云速度信息输入预先训练的人体运动模型之后,除了得到运动信息之外,还可获取人体的目标身体部位的位置及胸腔的位置。在获取目标身体部位的位置之后,获取雷达坐标系在所述目标身体部位的位置相对于Z轴方向的夹角。根据所述夹角确定波速带宽以及发射方向。基于所述发射方向发射所述波速带宽的雷达信号;其中,在向目标身体部位的位置发射雷达信号之后,接收所述检测设备发射所述雷达信号对应的反射信号。
在本实施例中,在接收所述反射信号之后,可对所述反射信号进行分析,从而根据所述反射信号得到所述目标身体部位对应的目标生理参数。具体的,根据所述反射信号确定第一运动数据,从而进一步对所述第一运动数据进行傅里叶变换;基于滤波筛选的方式从所述傅里叶变换后的所述第一运动数据中得到生理参数;对所述生理参数进行峰值捕捉,得到目标生理参数。
本申请通过机械的或者电子的波束方向控制算法,集中对目标身体部位的位置进行雷达信号发射,增强该部位的雷达信号强度,另一方面,在对反射信号的分析过程中,比对反射信号的到达角和胸腹部方位,只分析目标身体部位的位置的反射信号,可有效排除身体其它部位运动的干扰。
可选地,接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号之后,对所述反射信号进行预处理,所述预处理的方式依次包括放大处理、混频处理、滤波处理、傅里叶变化处理以及恒虚警检测,从而根据预处理后的所述反射信号得到所述目标身体部位对应的目标生理参数。具体的,对所述反射信号进行信号放大处理;将所述信号放大处理后的所述反射信号与所述雷达信号进行混频处理;基于预设的滤波频率将混频处理后的所述反射信号进行滤波处理;将滤波处理后的所述反射信号进行傅里叶变化处理;将傅里叶变化处理后的所述反射信号进行恒虚警检测,从而得到预处理后的所述反射信号。进一步根据预处理后的所述反射信号得到所述目标身体部位对应的目标生理参数。
本实施例根据上述技术方案,由于采用了获取目标身体部位的位置,接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号,根据所述反射信号得到目标身体部位对应的目标生理参数的技术手段,由于只分析目标身体部位的位置的反射信号,可有效排除圣体其他部位运动的干扰。
如图4所示,在本申请的第三实施例中,基于第一实施例步骤S110之前,本申请的生理参数的检测方法,包括以下步骤:
步骤S310,对相机设备以及雷达设备的位置进行标定;
步骤S320,采用标定后的相机设备采集图像信息以及采用标定后的雷达设备发射雷达信号。
在本实施例中,在根据相机设备采集图像并获取图像信息之前,需对所述相机设备以及雷达设备的位置进行标定。具体的,可在房间内或者区域内设置标定物的位置,获取相机设备采集的图像信息以及雷达设备发射的雷达信号对应的反射信号。在所述图像信息以及所述雷达信号对应的反射信号中均存在各个标定物的位置信息时,则表示所述照相设备以及所述雷达设备的位置设置合理。通过上述操作可完成对相机设备以及雷达设备的位置的标定。
在完成对照相设备以及雷达设备的位置的标定之后,可采用标定后的照相设备采集房间内或区域内的图像信息,或者可采用标定后的雷达设备向房间、区域或者目标身体部位的位置发射雷达信号。
本实施例根据上述技术方案,由于采用了对相机设备以及雷达设备的位置进行标定,采用标定后的相机设备采集图像信息以及采用标定后的雷达设备发射雷达信号的技术手段,从而使最终获得的目标生理参数更加准确。
如图5所示,在本申请的第四实施例中,基于第三实施例步骤S310之后,本申请的生理参数的检测方法,包括以下步骤:
步骤S410,根据所述图像信息确定所述标定物在相机坐标系下的位置信息,并根据所述雷达信号对应的反射信号确定所述标定物在雷达坐标系下的位置信息。
步骤S420,根据所述相机坐标系下的位置信息以及所述雷达坐标系下的位置信息确定坐标转换矩阵,其中,所述坐标转换矩阵用于将相机坐标系下的人体的目标身体部位的第一位置转化为在雷达坐标系下所述目标身体部位的第二位置。
在本实施例中,在对相机设备以及雷达设备的位置进行标定之后,可确定坐标转换矩阵。具体的,可根据照相设备采集的图像信息确定标定物在相机坐标系下的位置信息,并根据所述雷达设备发射的雷达信号对应的反射信号确定标定物在雷达坐标系下的位置信息。根据所述相机坐标系下的位置信息以及所述雷达坐标系下的位置信息确定坐标转换矩阵。其中,所述坐标转换矩阵可用于将后续相机坐标系下的人体的目标身体部位的第一位置转化为雷达坐标系下目标身体部位的第二位置。
具体的,照相设备对应的相机坐标系和雷达设备对应的雷达坐标系分别为Cc和Cr。设世界坐标系原点在支架转向装置位置,照相设备和雷达模组的原点在设备中心,照相设备、雷达设备固定在支架上,相对位置不变。在雷达设备需要测量的空间范围内,选取非共面的点8个以上,在相应的位置摆放标定物。标定物需要可以被雷达设备和照相设备识别,比如可以用具有一定大小的方形或圆形钢板,绘制棋盘格图案。这样,对标定物摆放在的每一个位置,在照相设备和雷达设备都可以检测到并得到各自对应的坐标位置。设T为从Cc到Cr的变换矩阵,有Cr=TCc,使用DLT方法和标定点的坐标,计算坐标转换矩阵T。完成对雷达设备和照相设备的标定以及坐标转化矩阵的确定。
本实施例根据上述技术方案,由于采用了在采用照相设备采集图像之前,对照相设备以及雷达设备进行标定,并根据标定后的照相设备以及雷达设备确定坐标转化矩阵的技术手段,从而使最终获得的目标生理参数更加准确。
基于同一发明构思,本申请实施例还提供了一种存储介质,所述存储介质存储有生理参数的检测程序,所述生理参数的检测程序被处理器执行时实现如上所述的生理参数的检测的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
由于本申请实施例提供的存储介质,为实施本申请实施例的方法所采用的存储介质,故而基于本申请实施例所介绍的方法,本领域所属人员能够了解该存储介质的具体结构及变形,故而在此不再赘述。凡是本申请实施例的方法所采用的存储介质都属于本申请所欲保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种生理参数的检测方法,其特征在于,所述生理参数的检测方法包括:
根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息;
基于预设的坐标转换矩阵以及所述第一位置信息确定在雷达坐标系下所述人体的第二位置信息;
获取雷达设备发射的雷达信号的发射频率以及所述雷达信号对应的反射信号的反射频率,根据所述发射频率以及所述反射频率确定各个人体表面反射点对应的点云速度信息;
将所述第二位置信息以及所述点云速度信息输入预先训练的人体运动模型,得到运动信息,所述运动信息包括目标身体部位的第一运动数据以及除所述目标身体部位之外的其他身体部位的第二运动数据,所述运动信息用于确定健身过程中人体的运动状态;
对所述第一运动数据进行傅里叶变换;
基于预设滤波频率将所述第二运动数据滤除,并从所述傅里叶变换后的第一运动数据中得到生理参数;
对所述生理参数进行峰值捕捉,得到目标生理参数;
获取目标身体部位的位置;
接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号;
对所述反射信号进行预处理,所述预处理的方式依次包括放大处理、混频处理、滤波处理、傅里叶变化处理以及恒虚警检测;
根据预处理后的反射信号得到所述目标身体部位对应的目标生理参数。
2.如权利要求1所述的生理参数的检测方法,其特征在于,所述将所述第二位置以及点云速度信息输入预先训练的人体运动模型,得到运动信息的步骤包括:
将所述第二位置信息输入预设神经网络模型,得到人体轮廓信息;
获取所述人体轮廓信息中的关键节点的位置信息以及所述关键节点的点云速度信息;
将所述关键节点的位置信息以及所述关键节点的点云速度信息输入预先训练的人体运动模型,得到运动信息。
3.如权利要求1所述的生理参数的检测方法,其特征在于,所述接收雷达设备朝所述目标身体部位的位置发射的雷达信号对应的反射信号的步骤之前包括:
获取在雷达坐标系下所述目标身体部位的位置相对于Z轴方向的夹角;
根据所述夹角确定波速带宽以及发射方向;
基于所述发射方向发射所述波速带宽的雷达信号。
4.如权利要求1所述的生理参数的检测方法,其特征在于,所述根据相机设备采集的图像信息确定在相机坐标系下人体的第一位置信息的步骤之前,还包括:
对相机设备以及雷达设备的位置进行标定;
采用标定后的相机设备采集图像信息以及采用标定后的雷达设备发射雷达信号。
5.如权利要求4所述的生理参数的检测方法,其特征在于,所述对相机设备以及雷达设备的位置进行标定的步骤包括:
获取相机设备采集的图像信息以及雷达设备发射的雷达信号对应的反射信号;
在所述图像信息以及所述雷达信号对应的反射信号中均存在各个标定物的位置信息时,则判定完成对相机设备以及雷达设备的位置的标定。
6.如权利要求5所述的生理参数的检测方法,其特征在于,所述对相机设备以及雷达设备的位置进行标定的步骤之后,还包括:
根据所述图像信息确定所述标定物在相机坐标系下的位置信息,并根据所述雷达信号对应的反射信号确定所述标定物在雷达坐标系下的位置信息;
根据所述相机坐标系下的位置信息以及所述雷达坐标系下的位置信息确定坐标转换矩阵,其中,所述坐标转换矩阵用于将相机坐标系下的人体的目标身体部位的第一位置转化为在雷达坐标系下所述目标身体部位的第二位置。
7.一种检测设备,其特征在于,所述检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的生理参数的检测程序,所述生理参数的检测程序被所述处理器执行时实现如权利要求1-6中任一项所述的生理参数的检测方法的步骤。
8.一种存储介质,其特征在于,其上存储有生理参数的检测程序,所述生理参数的检测程序被处理器执行时实现权利要求1-6中任一项所述的生理参数的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743022.1A CN115204221B (zh) | 2022-06-28 | 2022-06-28 | 生理参数的检测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743022.1A CN115204221B (zh) | 2022-06-28 | 2022-06-28 | 生理参数的检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204221A CN115204221A (zh) | 2022-10-18 |
CN115204221B true CN115204221B (zh) | 2023-06-30 |
Family
ID=83578449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210743022.1A Active CN115204221B (zh) | 2022-06-28 | 2022-06-28 | 生理参数的检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204221B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647788B (zh) * | 2024-01-29 | 2024-04-26 | 北京清雷科技有限公司 | 一种基于人体3d点云的危险行为识别方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578954A (zh) * | 2013-09-25 | 2016-05-11 | 迈恩德玛泽股份有限公司 | 生理参数测量和反馈系统 |
CN112346055A (zh) * | 2020-10-23 | 2021-02-09 | 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 |
CN112965081A (zh) * | 2021-02-05 | 2021-06-15 | 浙江大学 | 基于融合行人信息的特征地图的模仿学习社交导航方法 |
CN113017590A (zh) * | 2021-02-26 | 2021-06-25 | 清华大学 | 生理数据监测方法、装置、计算机设备和存储介质 |
CN113705445A (zh) * | 2021-08-27 | 2021-11-26 | 深圳龙岗智能视听研究院 | 一种基于事件相机的人体姿态识别的方法及设备 |
CN113744348A (zh) * | 2021-08-31 | 2021-12-03 | 南京慧尔视智能科技有限公司 | 一种参数标定方法、装置及雷视融合检测设备 |
CN113791403A (zh) * | 2021-08-27 | 2021-12-14 | 武汉领普科技有限公司 | 一种人体存在判断方法及系统 |
CN114241046A (zh) * | 2021-11-23 | 2022-03-25 | 北京市商汤科技开发有限公司 | 数据标注方法、装置、计算机设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2811460A3 (en) * | 2013-06-04 | 2015-11-11 | Technion Research & Development Foundation Limited | Creating a synthetic model with organic veracity |
CN110450784A (zh) * | 2019-07-30 | 2019-11-15 | 深圳普捷利科技有限公司 | 一种基于fmcw雷达的驾驶员状态监视方法及系统 |
EP4158644A1 (en) * | 2020-05-28 | 2023-04-05 | ResMed Sensor Technologies Limited | Systems and methods for monitoring user activity |
CN111695497B (zh) * | 2020-06-10 | 2024-04-09 | 上海有个机器人有限公司 | 基于运动信息的行人识别方法、介质、终端和装置 |
CN113156421A (zh) * | 2021-04-07 | 2021-07-23 | 南京邮电大学 | 基于毫米波雷达和摄像头信息融合的障碍物检测方法 |
CN113534141A (zh) * | 2021-07-01 | 2021-10-22 | 深圳晶华相控科技有限公司 | 基于相控阵雷达技术的远距生命体征探测方法及装置 |
CN113397520A (zh) * | 2021-07-14 | 2021-09-17 | 北京清雷科技有限公司 | 室内对象的信息检测方法及装置、存储介质和处理器 |
-
2022
- 2022-06-28 CN CN202210743022.1A patent/CN115204221B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578954A (zh) * | 2013-09-25 | 2016-05-11 | 迈恩德玛泽股份有限公司 | 生理参数测量和反馈系统 |
CN112346055A (zh) * | 2020-10-23 | 2021-02-09 | 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 |
CN112965081A (zh) * | 2021-02-05 | 2021-06-15 | 浙江大学 | 基于融合行人信息的特征地图的模仿学习社交导航方法 |
CN113017590A (zh) * | 2021-02-26 | 2021-06-25 | 清华大学 | 生理数据监测方法、装置、计算机设备和存储介质 |
CN113705445A (zh) * | 2021-08-27 | 2021-11-26 | 深圳龙岗智能视听研究院 | 一种基于事件相机的人体姿态识别的方法及设备 |
CN113791403A (zh) * | 2021-08-27 | 2021-12-14 | 武汉领普科技有限公司 | 一种人体存在判断方法及系统 |
CN113744348A (zh) * | 2021-08-31 | 2021-12-03 | 南京慧尔视智能科技有限公司 | 一种参数标定方法、装置及雷视融合检测设备 |
CN114241046A (zh) * | 2021-11-23 | 2022-03-25 | 北京市商汤科技开发有限公司 | 数据标注方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
《Design of a millimeter-Wave Radar Remote Monitoring System for the Elderly Living Alone using wifi communication》;Kai Guo et al.;《Sensors 2021》;全文 * |
《基于超宽带雷达的长时生命体征监测研究与实现》;杨梦遥;《中国优秀硕士学位论文全文数据库基础科学辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115204221A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700619B (zh) | 一种老人摔倒智能监测方法及系统 | |
CN115204221B (zh) | 生理参数的检测方法、设备及存储介质 | |
CN110837079B (zh) | 一种基于雷达的目标检测方法及装置 | |
CN116106855B (zh) | 摔倒检测方法及摔倒检测装置 | |
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 | |
CN107811652B (zh) | 自动调整参数的超声成像方法及系统 | |
CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
IL265930A (en) | Method and instrument for detection | |
CN115755015A (zh) | 座舱内的活体检测方法、装置、设备及介质 | |
CN111374706B (zh) | 一种胎儿心率显示方法及超声成像装置、存储介质 | |
CN111323757A (zh) | 一种航海雷达目标检测方法及装置 | |
CN106605153A (zh) | 轴偏移诊断装置 | |
CN111046025A (zh) | 无人机信号探测方法及装置 | |
RU2384860C2 (ru) | Способ обнаружения людей и движущихся объектов за преградой и устройство для его осуществления | |
CN116148801B (zh) | 一种基于毫米波雷达的目标检测方法及系统 | |
WO2021159294A1 (zh) | 体征检测方法、装置及设备 | |
JP5589832B2 (ja) | 物体検出装置および物体の検出方法 | |
JP2021004874A (ja) | 物品検出方法及び装置 | |
CN112180359B (zh) | 一种基于fmcw的人体摔倒的检测方法 | |
CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
CN114732375A (zh) | 运动信息的检测方法、设备、计算机程序产品及存储介质 | |
US10942267B2 (en) | Video object processing | |
JP7377494B2 (ja) | 属性の識別装置および識別方法 | |
CN111626979B (zh) | 一种管径测量方法及其装置 | |
CN111213069B (zh) | 基于相干光的避障装置及方法 |
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 |