CN115469301A - 基于超宽带雷达的老年人活动能力评估方法及系统 - Google Patents

基于超宽带雷达的老年人活动能力评估方法及系统 Download PDF

Info

Publication number
CN115469301A
CN115469301A CN202211058747.3A CN202211058747A CN115469301A CN 115469301 A CN115469301 A CN 115469301A CN 202211058747 A CN202211058747 A CN 202211058747A CN 115469301 A CN115469301 A CN 115469301A
Authority
CN
China
Prior art keywords
target
ultra
human body
human
gait
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
CN202211058747.3A
Other languages
English (en)
Inventor
张泽宇
陈吉胜
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.)
Unisound Intelligent Technology Co Ltd
Original Assignee
Unisound Intelligent 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 Unisound Intelligent Technology Co Ltd filed Critical Unisound Intelligent Technology Co Ltd
Priority to CN202211058747.3A priority Critical patent/CN115469301A/zh
Publication of CN115469301A publication Critical patent/CN115469301A/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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于超宽带雷达的老年人活动能力评估方法及系统，该方法通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；步态识别过程中，通过人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行人体目标的疾病预警；目标跟踪过程中，通过超宽带雷达传感器的雷达信号获取人体目标所在位置及行走轨迹，分析人体目标的目标速度及在指定区域的停留时长，以对人体目标进行行为推断；根据人体目标的疾病预警和行为推断结果，进行人体目标的日常活动能力评估。本发明通过超宽带雷达实现对老年人活动能力的自动评估，规避了传统人工挨个评估造成的巨大工作量，能够做到老年人能力变化的实时更新。

Description

基于超宽带雷达的老年人活动能力评估方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于超宽带雷达的老年人活动能力评估方法及系统。
背景技术
目前，对于老年人活动能力评估，需要护工上门一对一，对老年人的活动能力情况进行观察以及口头询问，然后录入线上信息化多维(穿衣、行走、淋浴、吃饭、交流等)表单；评估维度多而杂，单人评估耗时至少在15分钟。
通常人工的老年人能力评估，很多情况下是在老人入住养老机构的时候进行一次，之后几乎不进行主动更新。进而在老年人能力发生变化时不能自动更新老年人活动能力等级，无法第一时间对老年人配备对应的护理工作。
综上所述，亟需一种替代人工的老年人活动能力评估技术方案。
发明内容
为此，本发明提供一种基于超宽带雷达的老年人活动能力评估方法及系统，解决人工评估工作量大及难以做到老年人能力变化的实时更新问题。
为了实现上述目的，本发明提供如下技术方案：基于超宽带雷达的老年人活动能力评估方法，包括：
通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
作为基于超宽带雷达的老年人活动能力评估方法优选方案，所述步态识别过程中：
使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
作为基于超宽带雷达的老年人活动能力评估方法优选方案，所述步态识别过程中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
作为基于超宽带雷达的老年人活动能力评估方法优选方案，所述目标跟踪过程中：
采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS；
行为推断过程中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
作为基于超宽带雷达的老年人活动能力评估方法优选方案，所述人体目标的日常活动能力评估过程中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
本发明还提供一种基于超宽带雷达的老年人活动能力评估系统，包括：
超宽带雷达信号获取模块，用于通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
步态识别模块，用于所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
目标跟踪模块，用于所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
能力评估模块，用于根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
作为基于超宽带雷达的老年人活动能力评估系统优选方案，所述步态识别模块中：
使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
作为基于超宽带雷达的老年人活动能力评估系统优选方案，所述步态识别模块中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
作为基于超宽带雷达的老年人活动能力评估系统优选方案，所述目标跟踪模块中：
采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS；
所述目标跟踪模块中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
作为基于超宽带雷达的老年人活动能力评估系统优选方案，所述能力评估模块中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
本发明具有如下优点：通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；步态识别过程中，通过人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行人体目标的疾病预警；目标跟踪过程中，通过超宽带雷达传感器的雷达信号获取人体目标所在位置及行走轨迹，分析人体目标的目标速度及在指定区域的停留时长，以对人体目标进行行为推断；根据人体目标的疾病预警和行为推断结果，进行人体目标的日常活动能力评估。本发明通过超宽带雷达实现对老年人活动能力的自动评估，规避了传统人工挨个评估造成的巨大工作量，能够做到老年人能力变化的实时更新。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例1中提供的基于超宽带雷达的老年人活动能力评估方法流程示意图；
图2为本发明实施例1中提供的基于超宽带雷达的老年人活动能力评估方法目标跟踪示意图；
图3为本发明实施例2中提供的基于超宽带雷达的老年人活动能力评估系统示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于传统护工或者志愿者上门对照评估表格一对一进行评估数据录入，评估维度多而杂，单人评估耗时至少在15分钟。通常人工的老年人能力评估极大可能就是老人入住养老机构的时候进行一次，之后很少进行主动更新。在老年人能力发生变化时，不能自动更新老年人活动能力等级，无法第一时间配备对应的护理工作。
有鉴于此，本发明实施例提供一种基于超宽带雷达的老年人活动能力评估方法及系统，由于超宽带雷达具备良好的目标识别能力、超进程探测能力，因此在智慧养老场景下，可以替代传统红外人感雷达，实现对老人动作，步态，室内轨迹的精确跟踪。通过检测老人坐立、行走速度等维度即可自动识别并判断出该老人的活动能力等级。以下为本发明实施例的具体实施内容。
实施例1
参见图1和图2，本发明实施例1提供一种基于超宽带雷达的老年人活动能力评估方法，包括：
通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
本实施例中，通过将超宽带雷达传感器分布在房屋内的不同空间位置上，当超宽带雷达传感器进入工作状态后，对房间内移动的个体目标进行目标跟踪、动作识别以及步态识别(从而获得疾病预警)，最终将获得的数据汇总，根据对识别结果以及运动参数的融合算法对老人的整体行为进行整体判断，从而得到日常活动能力评估等级。
本实施例中，所述步态识别过程中：使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
由于每个人在行走时，四肢和躯干的运动情况存在差异，步态识别能够通过不同个体目标之间的特征差异实现数据和身份的关联。从而可以对一户人家内的两位老人分别进行监测，同时也可以用来过滤访客信息。此外，对同一个体目标的步态进行长期观察，还能从中发现病变信息。以帕金森病为例，典型症状是步态冻结，长期、不定时地进行步态识别，有利于及早发现病变，实现疾病预警。
其中，步态识别存在相关技术，如《基于毫米波感知的多人追踪与步态识别》的公开方案。
本实施例中，所述步态识别过程中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
具体的，在进行步态识别时，可以进行个体目标的特征动作的获取，人体在完成不同动作时，例如下蹲、坐下、行走等，身体各部分关节活动存在差异性，从而可以确定不同人体目标的身份信息。
本实施例中，所述目标跟踪过程中：采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS。
具体的，目标跟踪存在相关技术，如《非视距环境下基于UWB的人员轨迹追踪方法研究》所公开的方案。
其中，非视距环境下改进的卡尔曼滤波的定位算法NLOS-K，利用最大似然估计算法迭代，最大程度地消除NLOS对定位算法的影响；然后，执行卡尔曼滤波算法，通过重新定义卡尔曼增益矩阵，对时钟漂移做补偿使得主从基站间的时钟保持同步。
其中，利用贝叶斯压缩感知来消除爬行波影响的方法BCS-CW，利用3D感知对人体进行建模，并且分析爬行波在人体上的传输规律，利用贝叶斯压缩感知对获取的爬行波信号进行恢复，结合最大似然估计和迭代逼近算法确定标签位置。
其中，利用加权最小二乘法实现NLOS环境下的轨迹追踪方法N-WLS，通过信道模型的估计来鉴别非视距信号；利用TDOA算法来检测多径分量中的DP来计算接收端和发送端之间的时间差；利用N-WLS算法来消除定位标签之间由于环境因素带来的距离差以及发送接收端的时间差，通过确定的标签在不同时刻的位置描绘标签轨迹。
本实施例中，行为推断过程中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
具体的，行为推断本身存在相关技术，如计算机工程与应用中的《一种采用UWB定位系统进行行为识别的方法》所公开的方案。通过采集各类行为的训练数据，统计在训练集中各类行为数据个数，计算先验概率。对数据进行预处理，提取特征，计算特征值区间，划分各特征值；统计在训练数据集中各类行为下，各特征的类条件概率；判断测试数据中各特征值所在区间，查找对应的各特征的类条件概率，计算各后验概率，从而识别行为。
本实施例中，所述人体目标的日常活动能力评估过程中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
具体的，日常生活能力量表目前存在国家制定的判定标准，通过步态识别、目标跟踪和动作识别的结果，对号入座，即可自动判定老年人的行为活动能力等级。从而对躯体功能或失能程度进行评估达到长期监测和辅助诊断的目的，在一定程度上减少社会养老压力，实现对老年人活动能力的自动评估，规避了传统人工挨个评估造成的巨大工作量以及能够做到老年人活动能力变化的提前预警和实时更新。
综上所述，本发明通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；步态识别过程中，通过人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行人体目标的疾病预警；目标跟踪过程中，通过超宽带雷达传感器的雷达信号获取人体目标所在位置及行走轨迹，分析人体目标的目标速度及在指定区域的停留时长，以对人体目标进行行为推断；根据人体目标的疾病预警和行为推断结果，进行人体目标的日常活动能力评估。使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。行为推断过程中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。本发明通过超宽带雷达实现对老年人活动能力的自动评估，规避了传统人工挨个评估造成的巨大工作量，能够做到老年人能力变化的实时更新。
需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
实施例2
参见图3，本发明实施例2还提供一种基于超宽带雷达的老年人活动能力评估系统，包括：
超宽带雷达信号获取模块1，用于通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
步态识别模块2，用于所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
目标跟踪模块3，用于所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
能力评估模块4，用于根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
本实施例中，所述步态识别模块2中：
使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
本实施例中，所述步态识别模块2中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
本实施例中，所述目标跟踪模块3中：
采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS；
所述目标跟踪模块3中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
本实施例中，所述能力评估模块4中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
需要说明的是，上述系统各模块之间的信息交互、执行过程等内容，由于与本申请实施例1中的方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有基于超宽带雷达的老年人活动能力评估方法的程序代码，所述程序代码包括用于执行实施例1或其任意可能实现方式的基于超宽带雷达的老年人活动能力评估方法的指令。
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(SolidState Disk、SSD))等。
实施例4
本发明实施例4提供一种电子设备，包括：存储器和处理器；
所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行实施例1或其任意可能实现方式的基于超宽带雷达的老年人活动能力评估方法。
具体的，处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于所述处理器之外，独立存在。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.基于超宽带雷达的老年人活动能力评估方法，其特征在于，包括：
通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
2.根据权利要求1所述的基于超宽带雷达的老年人活动能力评估方法，其特征在于，所述步态识别过程中：
使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
3.根据权利要求2所述的基于超宽带雷达的老年人活动能力评估方法，其特征在于，所述步态识别过程中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
4.根据权利要求1所述的基于超宽带雷达的老年人活动能力评估方法，其特征在于，所述目标跟踪过程中：
采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS；
行为推断过程中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
5.根据权利要求1所述的基于超宽带雷达的老年人活动能力评估方法，其特征在于，所述人体目标的日常活动能力评估过程中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
6.基于超宽带雷达的老年人活动能力评估系统，其特征在于，包括：
超宽带雷达信号获取模块，用于通过分布在房间内的超宽带雷达传感器对人体目标进行步态识别和目标跟踪；
步态识别模块，用于所述步态识别过程中，通过所述人体目标个体之间的特征差异进行步态数据和目标身份的关联，根据关联结果进行所述人体目标的疾病预警；
目标跟踪模块，用于所述目标跟踪过程中，通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在位置及行走轨迹，分析所述人体目标的目标速度及在指定区域的停留时长，以对所述人体目标进行行为推断；
能力评估模块，用于根据所述人体目标的疾病预警和行为推断结果，进行所述人体目标的日常活动能力评估。
7.根据权利要求6所述的基于超宽带雷达的老年人活动能力评估系统，其特征在于，所述步态识别模块中：
使用超宽带雷达传感器对所述人体目标行走进行感知，将感知到的无线信号通过信号处理得到3D点云步态数据；使用聚类算法将3D点云步态数据分隔开，并使用多目标匹配算法将分隔开的数据分别与历史数据进行追踪匹配，得到所述人体目标的3D点云步态数据序列，对3D点云步态数据序列使用步态识别算法进行步态特征提取与分析进以进行所述人体目标识别。
8.根据权利要求7所述的基于超宽带雷达的老年人活动能力评估系统，其特征在于，所述步态识别模块中，获取所述人体目标的特征动作，根据特征动作判断所述人体目标的关节活动差异性，以确定所述人体目标的身份信息。
9.根据权利要求6所述的基于超宽带雷达的老年人活动能力评估系统，其特征在于，所述目标跟踪模块中：
采用非视距环境下改进的卡尔曼滤波的定位算法NLOS-K、利用贝叶斯压缩感知来消除爬行波影响的算法BCs-cw和利用加权最小二乘法实现NLOS环境下的轨迹追踪算法N-WLS；
所述目标跟踪模块中，根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的整体行为进行判断。
10.根据权利要求6所述的基于超宽带雷达的老年人活动能力评估系统，其特征在于，所述能力评估模块中，结合日常生活能力量表对躯体功能或失能程度进行评估，以对所述个体目标进行长期监测和辅助诊断。
CN202211058747.3A 2022-08-31 2022-08-31 基于超宽带雷达的老年人活动能力评估方法及系统 Pending CN115469301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211058747.3A CN115469301A (zh) 2022-08-31 2022-08-31 基于超宽带雷达的老年人活动能力评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211058747.3A CN115469301A (zh) 2022-08-31 2022-08-31 基于超宽带雷达的老年人活动能力评估方法及系统

Publications (1)

Publication Number Publication Date
CN115469301A true CN115469301A (zh) 2022-12-13

Family

ID=84369312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211058747.3A Pending CN115469301A (zh) 2022-08-31 2022-08-31 基于超宽带雷达的老年人活动能力评估方法及系统

Country Status (1)

Country Link
CN (1) CN115469301A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116602663A (zh) * 2023-06-02 2023-08-18 深圳市震有智联科技有限公司 一种基于毫米波雷达的智能监测方法及系统
CN116740598A (zh) * 2023-05-10 2023-09-12 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740598A (zh) * 2023-05-10 2023-09-12 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统
CN116740598B (zh) * 2023-05-10 2024-02-02 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统
CN116602663A (zh) * 2023-06-02 2023-08-18 深圳市震有智联科技有限公司 一种基于毫米波雷达的智能监测方法及系统
CN116602663B (zh) * 2023-06-02 2023-12-15 深圳市震有智联科技有限公司 一种基于毫米波雷达的智能监测方法及系统

Similar Documents

Publication Publication Date Title
CN115469301A (zh) 基于超宽带雷达的老年人活动能力评估方法及系统
Zhang et al. Deep neural networks for wireless localization in indoor and outdoor environments
US20240187822A1 (en) Handling concept drift in wi-fi-based localization
Erdogan et al. A data mining approach for fall detection by using k-nearest neighbour algorithm on wireless sensor network data
Deep et al. A survey on anomalous behavior detection for elderly care using dense-sensing networks
US20220070633A1 (en) Proximity-based model for indoor localization using wireless signals
Hu et al. A human body posture recognition algorithm based on BP neural network for wireless body area networks
CN110456320B (zh) 一种基于自由空间步态时序特征的超宽带雷达身份识别方法
Ruan et al. Device-free indoor localization and tracking through human-object interactions
Li et al. Activity recognition for medical teamwork based on passive RFID
WO2021248472A1 (zh) 基于超宽带雷达的目标跟踪方法、装置、设备及存储介质
Geng et al. Indoor tracking with RFID systems
CN114924225B (zh) 一种高精度室内定位方法、装置、设备及介质
CN117055004A (zh) 一种基于毫米波雷达稀疏点云的三维人体骨架估计方法
CN116942142A (zh) 一种基于毫米波雷达的人员智能化监测方法及相关设备
Lee et al. Object motion detection based on passive UHF RFID tags using a hidden Markov model-based classifier
Ma et al. Efficiently managing uncertain data in RFID sensor networks
CN113419211B (zh) 一种射频定位方法、电子设备及存储介质
CN117315886B (zh) 一种基于uwb雷达的人员即将跌倒检测方法及装置
Longo et al. Localization and Monitoring System based on BLE Fingerprint Method.
CN117158955A (zh) 基于可佩戴监测设备的用户安全智能监测方法
US20230071657A1 (en) Data collection apparatus, data collection sysytem, and data collection method
CN111010664A (zh) 一种室内定位方法及装置
Mishkhal et al. Enhancing the Accuracy of Health Care Internet of Medical Things in Real Time using CNNets
Chen et al. A Novel Indoor Positioning Framework.

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