CN115343684A - 一种基于毫米波雷达的跌倒检测方法及系统 - Google Patents

一种基于毫米波雷达的跌倒检测方法及系统 Download PDF

Info

Publication number
CN115343684A
CN115343684A CN202210968731.XA CN202210968731A CN115343684A CN 115343684 A CN115343684 A CN 115343684A CN 202210968731 A CN202210968731 A CN 202210968731A CN 115343684 A CN115343684 A CN 115343684A
Authority
CN
China
Prior art keywords
target
fall
moment
height
time
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
CN202210968731.XA
Other languages
English (en)
Inventor
师改梅
曾成
李东
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.)
Chengdu Maya Lightyear Technology Co ltd
Wuxi Boao Maya Medical Technology Co ltd
Original Assignee
Chengdu Maya Lightyear Technology Co ltd
Wuxi Boao Maya Medical Technology Co 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 Chengdu Maya Lightyear Technology Co ltd, Wuxi Boao Maya Medical Technology Co ltd filed Critical Chengdu Maya Lightyear Technology Co ltd
Priority to CN202210968731.XA priority Critical patent/CN115343684A/zh
Publication of CN115343684A publication Critical patent/CN115343684A/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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0461—Sensor means for detecting integrated or attached to an item closely associated with the person but not worn by the person, e.g. chair, walking stick, bed sensor

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于毫米波雷达的跌倒检测方法及系统，所述检测方法包括：S1，获取毫米波雷达检测到的三维点云数据；S2，将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；S3，根据所述目标的ID、位置和速度信息进行跌倒检测判断。本申请通过卡尔曼滤波器来预测某一时刻的目标的状态，通过设定目标的三维方向上的速度阈值来进一步确认低速摔倒的真实动作。

Description

一种基于毫米波雷达的跌倒检测方法及系统
技术领域
本发明属于目标识别技术领域，具体涉及一种基于毫米波雷达的跌倒检测方法及系统。
背景技术
“跌倒”是指一个人因意外原因倒伏于地面或处于低位的动作，也是人类最常见的异常动作之一。根据世界卫生组织的统计，跌倒是全球第二大意外伤害和死亡原因。跌倒带来的健康风险随着年龄呈现出指数增长的趋势，对于老年人来说，跌倒可能会造成割伤、擦伤或者骨折等严重后果，跌倒所造成的心理伤害也不可忽视，很多老年人对跌倒产生了恐惧心理，并影响到了老年人的生活质量。然而跌倒的时间不确定性以及难以预防性给老年人跌倒后的施救工作带来实际困难。因此，及时发现老年人跌倒引起了很多研究人员的关注。此外，跌倒后的求救响应缓慢也是老年人预期寿命减少的重要原因。
人口的老龄化推动着医疗保健提出更新型的服务，从传统的患者自行去医院进行治疗发展到家庭型护理服务，即病人通过新兴技术的支持，可以在家中进行一部分治疗。这种以家庭为中心的长期护理方法不仅提高了患者的生活质量，也间接节约了患者自身以及社会的医疗护理成本。无论是因为居家医疗护理，还是因为其他原因而独居生活，独居老人容易发生跌倒行为。为了保证老年人独立生活的安全，有必要及时发现跌倒事件，以便在紧急情况下通知医护人员或家属。
在孙济舟等的基于毫米波雷达的跌倒方法实施检测方法研究中提到了一种基于毫米波雷达的跌倒检测方法，通过对毫米波雷达获取目标的位置信息，并对位置坐标序列进行均值滤波，然后通过分段线性拟合得到被监测对象的近似运动规律，综合考虑人体跌倒时在高度方向和水平方向的位置变化规律及两者之间的对应关系，基于多个阈值在检测到跌倒行为后对跌倒方式进行识别，若发现跌倒，则立即发出警报。但是文中所述方法是在空旷区域实现的，未涉及与环境中其他物体发生碰撞的情况，且未考虑多人情况下的跌倒检测。
在公开号为CN112782664A，公开日为2021.05.11的中国发明专利中公开了一种基于毫米波雷达的卫生间跌倒检测方法，具体为利用布设的毫米波雷达采集用户数据；对用户数据进行坐标转换、确定其在实际场景中的三维点云数据；去掉静态物体，得到动态物体的点云图，并去除干扰噪声；最后根据用户的宽高比大于一定阈值、最高点小于一定阈值、下降速度大于一定阈值等三者的综合判断来进行跌倒检测。但是并不是所有的跌倒动作都是速率较快的运动，并且一些非跌倒动作的速率也较高。具体是因为在很多情况下，人们在跌倒时会抓住一件家具或者靠在墙上，这就会减缓跌倒的速度从而导致速率下降。并且老年人从座椅上或轮椅上摔下来也是很常见的，在这种场景下跌倒动作降低了本身的速度和高频能量值。同时也无法区分多人的情况下有人发生跌倒的情形。
因此，如何将通过毫米波雷达收集到的各种数据信息完成合理地特征提取并进行准确的跌倒检测是值得研究的领域。因此亟需一种精度高的检测方法，可以实时监控人的动态，进行跌倒报警、快速救援、减少伤害，同时如何在多人时进行跌倒检测也是现在尚未解决的方面。
发明内容
为克服背景技术中的问题，本专利提供了一种基于毫米波雷达的跌倒检测的设计方案，能够实现在多目标时，快速检测出发生跌倒的人；以及当跌倒速度不够快时，也能准确的检测到跌倒事件。
本发明提出了一种基于毫米波雷达的跌倒检测方法，所述检测方法包括：
S1，获取毫米波雷达检测到的三维点云数据；
S2，将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
S3，根据所述目标的ID、位置和速度信息进行跌倒检测判断。
进一步的，S2具体为：
S21，首先计算初始的观测值，设定x1、y1、z1为当前目标第1时刻在x、y、z方向的坐标，vx1、vy1、vz1为当前目标第1时刻在x、y、z方向的速度，xk，yk，zk为当前目标第k时刻在x、y、z方向的坐标，vxk、vyk、vzk为当前目标第k时刻在x、y、z方向的速度，其中，k为变量，k＝2，3，...，N，N表示目标观察的总时刻；
Figure BDA0003795918290000021
为第k-1时刻的观测值，则
Figure BDA0003795918290000022
表示为：
Figure BDA0003795918290000023
其中，vxk-1、vyk-1、vzk-1通过目标在第k-1时刻的位置xk-1，yk-1，zk-1和第k-2时刻的位置xk-2，yk-2，zk-2计算得到的；
Figure BDA0003795918290000024
Figure BDA0003795918290000025
Figure BDA0003795918290000026
S22，设定各观测值的估计差值，即
Figure BDA0003795918290000027
ek-1为6*1矩阵
S23，根据ek-1计算k-1时刻的先验估计协方差矩阵Pk-1＝ek-1ek-1 T，Pk-1为6*6矩阵；
S24，将计算的观测向量
Figure BDA0003795918290000031
及Pk-1带入卡尔曼循环预测实现对下一时刻的预测。
进一步的，所述卡尔曼循环预测具体为：
1)设定初始的
Figure BDA0003795918290000032
Pk-1以及
Figure BDA0003795918290000033
为对k时刻观测值的先验预测，A为状态转移矩阵，Bμk-1为状态控制量，通常为零，
Figure BDA0003795918290000034
为后验估计协方差矩阵，Pk-1为先验估计协方差矩阵，Q为过程激励噪声协方差矩阵；
2)向前推算状态变量
Figure BDA0003795918290000035
3)向前推算误差协方差
Figure BDA0003795918290000036
4)计算卡尔曼增益
Figure BDA0003795918290000037
5)由观测变量zk更新估计
Figure BDA0003795918290000038
得到k时刻的预测值；
6)更新k时刻的先验估计协方差矩阵
Figure BDA0003795918290000039
7)当新获取到第k时刻的点云数据时，将第k时刻检测到的目标位置与k时刻预测到的目标位置
Figure BDA00037959182900000310
的欧式距离小于阈值th0时，表示为同一个目标，否则为新出现的目标，将目标的索引值加1，用i表示目标的索引值，第i个目标第k时刻的x、y、z坐标用xk[i]，yk[i]，zk[i]表示，速度用vxk[i]，vyk[i]，vzk[i]表示；
其中，th0为k时刻检测到的目标位置与预测位置之间的距离阈值；
循环步骤2)-7)，完成后面各个时刻的预测和匹配。
进一步的，S3具体为：S31，根据步骤S2中的方法获取第k时刻第i个目标的x、y、z坐标xk[i]，yk[i]，zk[i]，和速度vxk[i]，vyk[i]，vzk[i]；
S32，计算第k时刻xy方向的速度
Figure BDA00037959182900000311
S33，当第i个目标的高度，即z坐标，低于设定第一高度阈值th1时，则说明高度发生了下降，进入步骤S34；
S34，高度下降次数fall_count[i]累计值加1；
S35，用FALL[i]表示第i个目标的高度下降状态，FALL[i]均初始化为0，当高度下降状态FALL[i]＝0，且高度下降次数fall_count[i]累计值加1时，将高度下降状态FALL[i]置1，此刻为发生高度下降的时刻m，记录下，m-1刻的x，y坐标，称为高度下降前的水平位置，记为xm-1[i]，ym-1[i]，否则直接进入S36；
S36，计算后面每个时刻该目标的x，y坐标位置和高度下降前的水平位置的差异最大值dxyk[i]；
Figure BDA0003795918290000041
S37，当FALL[i]＝1时，当第k时刻的z方向下降速度足够大且xy方向的速度变化足够大时，即vzk[i]＜th2&&vxyk[i]＞th3时，表示发生了快速跌倒，则FALL[i]＝2，其中，th2为第二高度阈值，th3为第三高度阈值；否则当第k时刻的z方向下降速度一般大且xy方向的速度变化一般大时，即vzk[i]＜th4&&vxyk[i]＞th5时，表示发生了缓慢跌倒，FALL[i]＝3，否则，i＝i+1，返回步骤1，继续对第i+1个目标进行判断，其中，th4为第四高度阈值，th5为第五高度阈值；
S38，当跌倒的帧数大于th6时，进S310，th6为摔倒帧数的阈值，否则i＝i+1，返回S31；
S39，当FALL[i]＝2时，判断为跌倒，否则，进入S310；
S310，当FALL[i]＝3且dxyk[i]＞th7时，判断为跌倒，否则，i＝i+1，返回S31；其中，th7为快速坐下阈值。
进一步的，摔倒帧数的阈值th6＝5。
进一步的，S33中，th1为高度阈值，表示发生跌倒后高度值，th1的取值范围为0.3m＜th1＜1m。
进一步的，S35中所述的设定时长为3帧。
本申请还提供一种基于毫米波雷达的跌倒检测系统，所述检测系统包括：
数据获取模块，所述数据获取模块用于获取毫米波雷达检测到的三维点云数据；
卡尔曼滤波器模块，所述卡尔曼滤波器模块将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
跌倒检测模块，所述跌倒检测模块根据所述目标的ID、位置和速度信息进行跌倒检测判断。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本申请提供的基于毫米波雷达的跌倒检测方案，只需要使用毫米波雷达这一非接触式监测技术，就可以在发生跌倒时，及时检测到跌倒行为，该监测方法过程中不涉及任何声音、图像和视频信息，避免了用户的隐私可能出现泄露的问题，为注重隐私保护的用户提供了绝佳的选择。同时有效解决无人监管的老年人的安全问题，增强社会的和谐稳定，有较大的经济效益和社会效益。
本申请通过卡尔曼滤波器来预测某一时刻的目标的状态；
通过设定目标的三维方向上的速度阈值来进一步确认低速摔倒的真实动作。
附图说明
图1为本发明基于毫米波雷达的跌倒检测方法的流程图；
图2为本发明基于毫米波雷达的跌倒检测方法的流程架构框图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
实施例1
本发明提出了本发明提出了一种基于毫米波雷达的跌倒检测方法，所述检测方法包括：
S1，获取毫米波雷达检测到的三维点云数据；
1)毫米波雷达返回的是极坐标系中的坐标，每个点云在极坐标系中的坐标为
Figure BDA0003795918290000051
其中，n表示第n个点云。
2)转换为世界坐标系中，每个点云在世界坐标系中的坐标为(xn，yn，zn)
zn＝rn*sin(θn)
Figure BDA0003795918290000052
Figure BDA0003795918290000053
S2，将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
S3，根据所述目标的ID、位置和速度信息进行跌倒检测判断。
当发生跌倒行为时，触发报警，提醒子女注意；当发生跌倒后，当所有目标ID的z坐标都大于某设定值时，表示发生了站起。
进一步的，S2具体为：
S21，首先计算初始的观测值，设定x1、y1、z1为当前目标第1时刻在x、y、z方向的坐标，vx1、vy1、vz1为当前目标第1时刻在x、y、z方向的速度，xk，yk，zk为当前目标第k时刻在x、y、z方向的坐标，vxk、vyk、vzk为当前目标第k时刻在x、y、z方向的速度，其中，k为变量，k＝2，3，...，N，N表示目标观察的总时刻；
Figure BDA0003795918290000054
为第k-1时刻的观测值，则
Figure BDA0003795918290000055
表示为：
Figure BDA0003795918290000056
其中，vxk-1、vyk-1、vzk-1通过目标在第k-1时刻的位置xk-1，yk-1，zk-1和第k-2时刻的位置xk-2，yk-2，zk-2计算得到的；
Figure BDA0003795918290000057
Figure BDA0003795918290000058
Figure BDA0003795918290000059
S22，设定各观测值的估计差值，即
Figure BDA0003795918290000061
ek-1为6*1矩阵；
S23，根据ek-1计算k-1时刻的先验估计协方差矩阵Pk-1＝ek-1ek-1，Pk-1为6*6矩阵；
S24，将计算的观测向量
Figure BDA0003795918290000062
及Pk-1带入卡尔曼循环预测实现对下一时刻的预测。
卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列(可能有偏差)预测出物体的位置的坐标及速度。它可以以任意一点作为起始点开始观测，采用递归滤波的方法计算。它的特点是不要求保存过去的测量数据，当新的数据测得之后，根据新的数据和前一时刻的诸量估计值，借助系统本身的状态转移方程(即动态方程)，按照一套递推公式，即可算出新的诸量估计值。它简单易行，且计算量小，可实时计算。
卡尔曼滤波器用反馈控制的方法估计过程状态：滤波器估计过程某一时刻的状态，然后以(含噪声的)测量变量的方式获得反馈。因此卡尔曼滤波器可分为两个部分：时间更新方程和测量更新方程。时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计。测量更新方程负责反馈，也就是说，它将先验估计和新的测量变量结合以构造改进的后验估计。时间更新方程也可视为预估方程，测量更新方程可视为校正方程。
卡尔曼滤波器的时间更新方程组为：
Figure BDA0003795918290000063
Figure BDA0003795918290000064
其中，
Figure BDA0003795918290000065
表示k-1时刻的观察值，
Figure BDA0003795918290000066
为对k时刻观测值的先验预测，A为状态转移矩阵，Bμk-1为状态控制量，通常为零，
Figure BDA0003795918290000067
为后验估计协方差矩阵，Pk-1为先验估计协方差矩阵，Q为过程激励噪声协方差矩阵。
卡尔曼滤波器的测量更新方程组为：
Figure BDA0003795918290000068
Figure BDA0003795918290000069
Figure BDA00037959182900000610
其中，Mk为卡尔曼增益，H为观测矩阵，R为观测噪声协方差矩阵，
Figure BDA00037959182900000611
对k时刻观测值的后验预测，I为单位矩阵。
在本发明中，
Figure BDA0003795918290000071
为六维观测向量，
Figure BDA0003795918290000072
其中，x，y，z为当前目标的坐标，vx，vy，vz为目标在x方向、y方向的速度和z方向的速度。
设定运动目标在单位时间内为匀速直线运动，则状态转移矩阵
Figure BDA0003795918290000073
其中，由于处理每帧图像的时间间隔为100ms，所以Δt＝100ms。
由于只能观测到x，y，z，所以观测矩阵为
Figure BDA0003795918290000074
假设w和v都是各方向零均值且独立的噪声向量，因此设二者的协方差矩阵为
Figure BDA0003795918290000075
进一步的，所述卡尔曼循环预测具体为：
1)设定初始的
Figure BDA0003795918290000076
Pk-1以及
Figure BDA0003795918290000077
为对k时刻观测值的先验预测，A为状态转移矩阵，Bμk-1为状态控制量，通常为零，
Figure BDA0003795918290000078
为后验估计协方差矩阵，Pk-1为先验估计协方差矩阵，Q为过程激励噪声协方差矩阵；
2)向前推算状态变量
Figure BDA0003795918290000079
3)向前推算误差协方差
Figure BDA00037959182900000710
4)计算卡尔曼增益
Figure BDA00037959182900000711
5)由观测变量zk更新估计
Figure BDA00037959182900000712
得到k时刻的预测值；
6)更新k时刻的先验估计协方差矩阵
Figure BDA0003795918290000081
7)当新获取到第k时刻的点云数据时，将第k时刻检测到的目标位置与k时刻预测到的目标位置
Figure BDA0003795918290000082
的欧式距离小于阈值th0时，表示为同一个目标，否则为新出现的目标，将目标的索引值加1，用i表示目标的索引值，第i个目标第k时刻的x、y、z坐标用xk[i]，yk[i]，zk[i]表示，速度用vxk[i]，vyk[i]，vzk[i]表示；
其中，th0为k时刻检测到的目标位置与预测位置之间的距离阈值；根据k-1时刻进行卡尔曼预测后预测到的k时刻位置之间的距离阈值，当小于阈值th0表示为同一目标，否则为新出现的目标；
循环步骤2)-7)，完成后面各个时刻的预测和匹配。
进一步的，S3具体为：S31，根据步骤S2中的方法获取第k时刻第i个目标的x、y、z坐标xk[i]，yk[i]，zk[i]，和速度vxk[i]，vyk[i]，vzk[i]；
S32，计算第k时刻xy方向的速度
Figure BDA0003795918290000083
S33，当第i个目标的高度，即z坐标，低于设定第一高度阈值th1时，则说明高度发生了下降，进入步骤S34；本实施例中，th1的设定值是0.7。
S34，高度下降次数fall_count[i]累计值加1；
S35，用FALL[i]表示第i个目标的高度下降状态，FALL[i]均初始化为0，当高度下降状态FALL[i]＝0，且高度下降次数fall_count[i]累计值加1时，将高度下降状态FALL[i]置1，此刻为发生高度下降的时刻m，记录下m-1刻的x，y坐标，称为高度下降前的水平位置，记为xm-1[i]，ym-1[i]，否则直接进入S36；本实施例中，设定时长为3帧。
S36，计算后面每个时刻该目标的x，y坐标位置和高度下降前的水平位置的差异最大值dxyk[i]；
Figure BDA0003795918290000084
S37，当FALL[i]＝1时，当第k时刻的z方向下降速度足够大且xy方向的速度变化足够大时，即vzk[i]＜th2&&vxyk[i]＞th3时，表示发生了快速跌倒，则FALL[i]＝2，其中，th2为第二高度阈值，th3为第三高度阈值，本实施例中，th2的设定值是-1.0，th3的设定值是1.0；否则当第k时刻的z方向下降速度一般大且xy方向的速度变化一般大时，即vzk[i]＜th4&&vxyk[i]＞th5时，表示发生了缓慢跌倒，FALL[i]＝3，否则，i＝i+1，返回步骤1，继续对第i+1个目标进行判断，其中，th4为第四高度阈值，th5为第五高度阈值，th4的设定值是-0.5，th5的设定值是0.5。
其中，th2为快速跌倒时z方向的速度阈值，该阈值的设定是为了检测z方向的速度下降，所以th2＜0的，th3为快速跌倒时xy方向的速度阈值，从vxyk[i]的计算公式可以看出，th3为大于0的值，所以th3＞0；th4为缓慢倒下时z方向的速度阈值，该阈值的设定是为了检测z方向的速度下降，所以th4是小于0的，0＞th4＞th2，th5为缓慢倒下时xy方向的速度阈值，故取值范围为：0＜th5＜th3；
S38，当跌倒的帧数大于th6时，进S310，th6为摔倒帧数的阈值，这个参数和采样率有很大关系，在本发明中，采样率为10帧/s(即：100ms采集一次)，故，th6＝5，表示需要满足跌倒过程持续了半秒。当跌倒的帧数不大于th6时，i＝i+1，返回S31；
S39，当FALL[i]＝2时，判断为跌倒，否则，进入S310；
S310，当FALL[i]＝3且dxyk[i]＞th7时，判断为跌倒，否则，i＝i+1，返回S31；其中，th7为快速坐下阈值。th7的设置是为了过滤快速坐下而非跌倒的情况，th7的设定值是0.3。
进一步的，S33中，th1为高度阈值，表示发生跌倒后高度值，th1的取值范围为0.3m＜th1＜1m。
本申请的核心发明点：1、通过卡尔曼滤波器来预测某一时刻的目标的状态；2、通过设定目标的三维方向上的速度阈值来进一步确认低速摔倒的真实动作。
实施例2
本申请还提供一种基于毫米波雷达的跌倒检测系统，所述检测系统包括：
数据获取模块，所述数据获取模块用于获取毫米波雷达检测到的三维点云数据；
卡尔曼滤波器模块，所述卡尔曼滤波器模块将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
跌倒检测模块，所述跌倒检测模块根据所述目标的ID、位置和速度信息进行跌倒检测判断。
本申请提供一种基于毫米波雷达的跌倒检测系统和方法的整体方案，只需要使用毫米波雷达这一非接触式监测技术，就可以在发生跌倒时，及时检测到跌倒行为，该监测方法过程中不涉及任何声音、图像和视频信息，避免了用户的隐私可能出现泄露的问题，为注重隐私保护的用户提供了绝佳的选择。同时有效解决无人监管的老年人的安全问题，增强社会的和谐稳定，有较大的经济效益和社会效益。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于毫米波雷达的跌倒检测方法，其特征在于，所述检测方法包括：
S1，获取毫米波雷达检测到的三维点云数据；
S2，将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
S3，根据所述目标的ID、位置和速度信息进行跌倒检测判断。
2.根据权利要求1所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，S2具体为：
S21，首先计算初始的观测值，设定x1、y1、z1为当前目标第1时刻在x、y、z方向的坐标，vx1、vy1、vz1为当前目标第1时刻在x、y、z方向的速度，xk,yk,zk为当前目标第k时刻在x、y、z方向的坐标，vxk、vyk、vzk为当前目标第k时刻在x、y、z方向的速度，其中，k为变量，k＝2,3,...,N，N表示目标观察的总时刻；
Figure FDA0003795918280000011
为第k-1时刻的观测值，则
Figure FDA0003795918280000012
表示为：
Figure FDA0003795918280000013
其中，vxk-1、vyk-1、vzk-1通过目标在第k-1时刻的位置xk-1，yk-1，zk-1和第k-2时刻的位置xk-2，yk-2，zk-2计算得到的；
Figure FDA0003795918280000014
Figure FDA0003795918280000015
Figure FDA0003795918280000016
S22，设定各观测值的估计差值，即
Figure FDA0003795918280000017
ek-1为6*1矩阵；
S23，根据ek-1计算k-1时刻的先验估计协方差矩阵Pk-1＝ek-1ek-1 T，Pk-1为6*6矩阵；
S24，将计算的观测向量
Figure FDA0003795918280000018
及Pk-1带入卡尔曼循环预测实现对下一时刻的预测。
3.根据权利要求2所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，所述卡尔曼循环预测具体为：
1)设定初始的
Figure FDA0003795918280000021
Pk-1以及
Figure FDA0003795918280000022
Figure FDA0003795918280000023
为对k时刻观测值的先验预测，A为状态转移矩阵，Bμk-1为状态控制量，通常为零，
Figure FDA0003795918280000024
为后验估计协方差矩阵，Pk-1为先验估计协方差矩阵，Q为过程激励噪声协方差矩阵；
2)向前推算状态变量
Figure FDA0003795918280000025
3)向前推算误差协方差
Figure FDA0003795918280000026
4)计算卡尔曼增益
Figure FDA0003795918280000027
5)由观测变量zk更新估计
Figure FDA0003795918280000028
得到k时刻的预测值；
6)更新k时刻的先验估计协方差矩阵
Figure FDA0003795918280000029
7)当新获取到第k时刻的点云数据时，将第k时刻检测到的目标位置与k时刻预测到的目标位置
Figure FDA00037959182800000210
的欧式距离小于阈值th0时，表示为同一个目标，否则为新出现的目标，将目标的索引值加1，用i表示目标的索引值，第i个目标第k时刻的x、y、z坐标用xk[i],yk[i],zk[i]表示，速度用vxk[i],vyk[i],vzk[i]表示；
其中，th0为k时刻检测到的目标位置与预测位置之间的距离阈值；
循环步骤2)-7)，完成后面各个时刻的预测和匹配。
4.根据权利要求2所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，S3具体为：
S31，根据步骤S2中的方法获取第k时刻第i个目标的x、y、z坐标xk[i],yk[i],zk[i],和速度vxk[i],vyk[i],vzk[i]；
S32，计算第k时刻xy方向的速度
Figure FDA00037959182800000211
S33，当第i个目标的高度，即z坐标，低于设定第一高度阈值th1时，则说明高度发生了下降，进入步骤S34；
S34，高度下降次数fall_count[i]累计值加1；
S35，用FALL[i]表示第i个目标的高度下降状态，FALL[i]均初始化为0，当高度下降状态FALL[i]＝0，且高度下降次数fall_count[i]累计值加1时，将高度下降状态FALL[i]置1，此刻为发生高度下降的时刻m，记录下m-1刻的x,y坐标，称为高度下降前的水平位置，记为xm-1[i],ym-1[i]，否则直接进入S36；
S36，计算后面每个时刻该目标的x,y坐标位置和高度下降前的水平位置的差异最大值dxyk[i]；
Figure FDA0003795918280000031
S37，当FALL[i]＝1时，当第k时刻的z方向下降速度足够大且xy方向的速度变化足够大时，即vzk[i]＜th2&&vxyk[i]＞th3时，表示发生了快速跌倒，则FALL[i]＝2，其中，th2为第二高度阈值，th3为第三高度阈值；否则当第k时刻的z方向下降速度一般大且xy方向的速度变化一般大时，即vzk[i]＜th4&&vxyk[i]＞th5时，表示发生了缓慢跌倒，FALL[i]＝3，否则，i＝i+1，返回步骤1，继续对第i+1个目标进行判断，其中，th4为第四高度阈值，th5为第五高度阈值；
S38，当跌倒的帧数大于th6时，进S310，th6为摔倒帧数的阈值，否则i＝i+1，返回S31；
S39，当FALL[i]＝2时，判断为跌倒，否则，进入S310；
S310，当FALL[i]＝3且dxyk[i]＞th7时，判断为跌倒，否则，i＝i+1，返回S31；其中，th7为快速坐下阈值。
5.根据权利要求2所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，摔倒帧数的阈值th6＝5。
6.根据权利要求2所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，S33中，th1为高度阈值，表示发生跌倒后高度值，th1的取值范围为0.3m＜th1＜1m。
7.根据权利要求2所述的一种基于毫米波雷达的跌倒检测方法，其特征在于，S35中所述的设定时长为3帧。
8.一种基于毫米波雷达的跌倒检测系统，其特征在于，所述检测系统包括：
数据获取模块，所述数据获取模块用于获取毫米波雷达检测到的三维点云数据；
卡尔曼滤波器模块，所述卡尔曼滤波器模块将所述三维点云数据转化为每个目标的位置、速度数据，并带入到卡尔曼循环预测实现对下一时刻的预测，根据当前时刻目标的位置和上一时刻目标的预测位置进行匹配，得到当前时刻每个目标的ID；
跌倒检测模块，所述跌倒检测模块根据所述目标的ID、位置和速度信息进行跌倒检测判断。
CN202210968731.XA 2022-08-12 2022-08-12 一种基于毫米波雷达的跌倒检测方法及系统 Pending CN115343684A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210968731.XA CN115343684A (zh) 2022-08-12 2022-08-12 一种基于毫米波雷达的跌倒检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210968731.XA CN115343684A (zh) 2022-08-12 2022-08-12 一种基于毫米波雷达的跌倒检测方法及系统

Publications (1)

Publication Number Publication Date
CN115343684A true CN115343684A (zh) 2022-11-15

Family

ID=83951277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210968731.XA Pending CN115343684A (zh) 2022-08-12 2022-08-12 一种基于毫米波雷达的跌倒检测方法及系统

Country Status (1)

Country Link
CN (1) CN115343684A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116106855A (zh) * 2023-04-13 2023-05-12 中国科学技术大学 摔倒检测方法及摔倒检测装置
CN116392110A (zh) * 2023-04-12 2023-07-07 上海松椿果健康科技有限公司 一种4g模组调用毫米波雷达的跌倒监测系统
CN117636404A (zh) * 2024-01-26 2024-03-01 贵州信邦富顿科技有限公司 基于非穿戴式设备的跌倒检测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116392110A (zh) * 2023-04-12 2023-07-07 上海松椿果健康科技有限公司 一种4g模组调用毫米波雷达的跌倒监测系统
CN116106855A (zh) * 2023-04-13 2023-05-12 中国科学技术大学 摔倒检测方法及摔倒检测装置
CN117636404A (zh) * 2024-01-26 2024-03-01 贵州信邦富顿科技有限公司 基于非穿戴式设备的跌倒检测方法及系统
CN117636404B (zh) * 2024-01-26 2024-04-16 贵州信邦富顿科技有限公司 基于非穿戴式设备的跌倒检测方法及系统

Similar Documents

Publication Publication Date Title
CN115343684A (zh) 一种基于毫米波雷达的跌倒检测方法及系统
Wang et al. An enhanced fall detection system for elderly person monitoring using consumer home networks
US9597016B2 (en) Activity analysis, fall detection and risk assessment systems and methods
Barralon et al. Walk detection with a kinematic sensor: Frequency and wavelet comparison
US8742935B2 (en) Radar based systems and methods for detecting a fallen person
Skubic et al. Testing non-wearable fall detection methods in the homes of older adults
Wong et al. Home alone faint detection surveillance system using thermal camera
CN110192862A (zh) 一种基于雷达的非接触式人体呼吸检测方法及装置
CN114469076B (zh) 一种融合身份特征的独居老人跌倒识别方法及系统
CN112400191A (zh) 跌倒检测装置、检测对象跌倒的方法以及用于实施该方法的计算机程序产品
KR101993649B1 (ko) 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
Shimokawara et al. Estimation of basic activities of daily living using zigbee 3d accelerometer sensor network
KR101664323B1 (ko) 건강 파라미터 추정 시스템 및 건강 파라미터 추정 방법
Shi et al. Robust assessment of ECG signal quality for wearable devices
CN109259743A (zh) 一种生命体征感知系统
Ahamed et al. Intelligent fall detection with wearable IoT
Lu et al. The study of smart elderly care system
Tan et al. Reliable fall detection system using an 3-DOF accelerometer and cascade posture recognitions
WO2012111428A1 (en) Adaptive lightweight acoustic signal classification for physiological monitoring
JP2010250775A (ja) 犯罪防止装置およびプログラム
Ren et al. ALARM: A novel fall detection algorithm based on personalized threshold
Putchana et al. Wireless intelligent fall detection and movement classification using fuzzy logic
Shao et al. Elderly health care system based on high precision vibration sensor
Liu et al. Indoor monitoring system for elderly based on ZigBee network
CN104266645B (zh) 一种室内人员行为识别及位置跟踪系统及方法

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