CN115886798A - 一种在毫米波雷达传感器系统中人体跌倒的检测方法 - Google Patents

Abstract

本发明涉及毫米波雷达传感器技术领域，具体的说是一种在毫米波雷达传感器系统中人体跌倒的检测方法，检测方法包括以下步骤：S1、将毫米波雷达传感器安装到墙面上的安装区域，然后将毫米波雷达传感器接通电源并进行系统初始化；S2、毫米波雷达信号发射模块开始发送信号，同时毫米波雷达信号接收模块开始接收信号并转发给转换模块；S3、毫米波雷达信号转换模块收到雷达信号后，将雷达信号转换成ADC采样信号，并将信号以固定的频率发送给处理模块，本发明在检测时能够不断检测人体位置并计算人体对象的高度和人体质心高度，当出现跌倒后能够快速计算并做出判断，同时能够将判断结果反馈到手机APP，因此能够实现智能家居系统主动决策和预警。

Description

一种在毫米波雷达传感器系统中人体跌倒的检测方法

技术领域

本发明涉及一种检测方法，具体为一种在毫米波雷达传感器系统中人体跌倒的检测方法，属于毫米波雷达传感器技术领域。

背景技术

随着中国人口老龄化趋势的增长，以及生活水平的提高，人们对于如何照看老人、小孩的安全问题也是越来越关注，如老人、小孩在室内的异常跌倒。还有人们对自身隐私的安全性要求越来越高，普通的跌倒检测方法已经难以满足人们的需求。而毫米波雷达具有非接触、全天候、隐私性、不受环境影响等优点，所以相对会更受消费者喜欢。

由于传统的雷达跌倒检测方法主要利用了人在跌倒过程中的速度变化特征，首先对雷达回波信号进行时域和频域的联合变换分析，然后从中提取出和跌倒有关的若干特征，最后通过模型分类器来判断是否跌倒。这种方法需要对雷达回波信号进行运算量比较大的时域和频域的数据分析，同时特征的定义和分类器的设计也比较复杂。只通过速度信息来判断跌倒在某些场合的准确度并不高，比如人在房间内快速移动时的速度变化特征和跌倒时的速度变化特征就比较类似，很难通过分类器来区分。并且因为雷达的检测速度的能力只对目标在沿着雷达做径向运动的时候比较敏感，如果目标是沿着和雷达垂直的方向运动并跌倒时，因为此时雷达的检测速度敏感度的下降，对于跌倒的检测成功率也会降低。

有鉴于此特提出本发明来帮助解决上述问题。

发明内容

本发明的目的就在于为了解决上述问题而提供一种在毫米波雷达传感器系统中人体跌倒的检测方法，在检测时能够不断检测人体位置并计算人体对象的高度和人体质心高度，当出现跌倒后能够快速计算并做出判断，同时能够将判断结果反馈到手机APP，因此能够实现智能家居系统主动决策和预警，为人体跌倒检测，尤其老人跌倒检测提供了有益的帮助，为智能家居系统必备的部分。

本发明通过以下技术方案来实现上述目的，一种在毫米波雷达传感器系统中人体跌倒的检测方法，所述检测方法包括以下步骤：

S1、将毫米波雷达传感器安装到墙面上的安装区域，然后将毫米波雷达传感器接通电源并进行系统初始化；

S2、毫米波雷达信号发射模块开始发送信号，同时毫米波雷达信号接收模块开始接收信号并转发给转换模块；

S3、毫米波雷达信号转换模块收到雷达信号后，将雷达信号转换成ADC采样信号，并将信号以固定的频率发送给处理模块；

S4、毫米波雷达信号处理模块接收到ADC采样信号后，会每间隔固定的时间，取出一段毫米波雷达信号数据，通过计算出当前获取的信号跟之前的信号进行对比是否在高度和速度上有明显变化特征，并将判断结果返回给上层应用处理；

S5、进行跌倒判断以及出现跌倒情况时反馈到手机APP。

进一步的，所述毫米波雷达传感器系统初始化包括以下步骤：

Sa1、将带阵列天线的毫米波雷达传感器底座安装到墙面，调整阵列天线的检测区域；

Sa2、通过手机APP里面观察预扫描的区域范围，检测空间范围，并确定传感器的角度；

Sa3、进入毫米波雷达传感器运行软件初始化，毫米波雷达信号发射模块发射电磁波，对所能覆盖全域进行空间扫描；

Sa4、毫米波雷达传感器对回波信号进行傅里叶变换处理和聚类分析，得到扫描目标对象的3D点云数据；

Sa5、根据3D点云数据，在手机APP上显示空间模拟图，在空间模拟图里抽象出多平面组合而成；

Sa6、用户通过手机APP里面填写毫米波雷达传感器距离地面的高度h，确定水平地面，完善智能系统的空间模型，在毫米波雷达覆盖区域内，建立起立体空间，系统初始化完成或重新初始化调整毫米波雷达传感器的位置或者角度直至调节正确。

进一步的，所述步骤S3中的获取特征变化的判断算法步骤如下：

Sb1、首先将毫米波雷达信号处理模块接受到的数据进行快速傅里叶变换以及加窗处理；

Sb2、对数据进行静态载波去除并且计算空间相关矩阵，最后在水平方向上通过CaponBF生成距离或水平方向热图；

Sb3、再通过二维CFAR，在步骤S3b生成的距离或水平方向热图上检测出目标点；

Sb4、在步骤S3c得到的每个[距离，水平角]的目标点上计算空间相关矩阵，然后通过垂直方向的BF生成目标在垂直方向的热图，最后在这个热图上通过峰值搜索获得目标的垂直角度；

Sb5、对于步骤S3d得到的每个[距离，水平角，垂直角]目标点计算空间BF向量，然后用这个BF向量对目标距离bin进行空间滤波并计算Doppler谱，最后在这个Doppler谱上通过峰值搜索来获得目标的速度，然后能够获得了一个包含目标[距离，水平角，垂直角，速度]的点云；

Sb6、根据步骤S3e产生的点云信息，通过GroupTracking算法进行目标聚类，并对目标进行跟踪和预测，然后能够获得一个跟踪目标的列表，列表中的每个目标都包含[空间位置，速度，加速度]信息；

Sb7、最后根据步骤S3f得到的列表信息，通过判断如果人在水平方向上速度变化不明显，垂直方向上有明显变化以及突然加速时，判断为有人员跌倒。

进一步的，所述信号计算方法包括以下步骤：

Sc1、毫米波雷达对空间范围内作全域扫描，获取毫米波雷达发射模块的电磁波被物体反射后形成的回波信号；

Sc2、对回波信号进行傅里叶变换出来和聚类分析，得到目标对象的点云数据，对全域范围点云数据进行分析，确定人体对象以及人体对象的高度c和人体质心高度f，检测时距离人头顶的距离a，距离人脚的距离b，和a、b两条线构成的夹角C，记录数据，根据余弦定理

能够计算出人体对象的高度c为：

c=；

毫米波雷达传感器测量和计算出：距离人体质心的距离d和b、d两条线构成的夹角F，则根据上述余弦定理，可以计算出人体质心的高度f：

f=。

进一步的，所述跌倒判断包括以下步骤：

Sd1、设定一个人体对象的高度和人体质心高度之间的距离最大阈值；

Sd2、持续检测人体对象的高度和人体质心高度与上一帧的历史值的差值，差值小于阈值时判断人体未出现跌倒，差值大于阈值时判断人体出现跌倒。

进一步的，所述毫米波雷达传感器包括毫米波雷达信号发射模块、毫米波雷达信号接收模块、毫米波雷达信号转换模块和毫米波雷达信号处理模块，所述毫米波雷达信号接收模块和所述毫米波雷达信号处理模块均与所述毫米波雷达信号转换模块电性连接，所述毫米波雷达信号发射模块与所述毫米波雷达信号处理模块电性连接，所述毫米波雷达信号发射模块与手机APP连接。

进一步的，所述所述毫米波雷达信号发射模块与所述手机APP的连接方式为无线通讯连接。

本发明的技术效果和优点：

本发明在检测时能够不断检测人体位置并计算人体对象的高度和人体质心高度，当出现跌倒后能够快速计算并做出判断，同时能够将判断结果反馈到手机APP，因此能够实现智能家居系统主动决策和预警，为人体跌倒检测，尤其老人跌倒检测提供了有益的帮助，为智能家居系统必备的部分。

附图说明

图1为本发明的检测流程图；

图2为本发明的毫米波雷达传感器系统图；

图3为本发明的场景应用示意图；

图4为本发明的场景应用示意图（检测跌倒）；

图5为本发明的场景应用示意图（判断跌倒）。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

本实施例提供了一种在毫米波雷达传感器系统中人体跌倒的检测方法，如图1-5所示，所述检测方法包括以下步骤：

S1、将毫米波雷达传感器安装到墙面上的安装区域，然后将毫米波雷达传感器接通电源并进行系统初始化；

S2、毫米波雷达信号发射模块开始发送信号，同时毫米波雷达信号接收模块开始接收信号并转发给转换模块；

S3、毫米波雷达信号转换模块收到雷达信号后，将雷达信号转换成ADC采样信号，并将信号以固定的频率发送给处理模块；

S4、毫米波雷达信号处理模块接收到ADC采样信号后，会每间隔固定的时间，取出一段毫米波雷达信号数据，通过计算出当前获取的信号跟之前的信号进行对比是否在高度和速度上有明显变化特征，并将判断结果返回给上层应用处理；

S5、进行跌倒判断以及出现跌倒情况时反馈到手机APP。

所述毫米波雷达传感器系统初始化包括以下步骤：

Sa1、将带阵列天线的毫米波雷达传感器底座安装到墙面，调整阵列天线的检测区域；

Sa2、通过手机APP里面观察预扫描的区域范围，检测空间范围，并确定传感器的角度；

Sa3、进入毫米波雷达传感器运行软件初始化，毫米波雷达信号发射模块发射电磁波，对所能覆盖全域进行空间扫描；

Sa4、毫米波雷达传感器对回波信号进行傅里叶变换处理和聚类分析，得到扫描目标对象的3D点云数据；

Sa5、根据3D点云数据，在手机APP上显示空间模拟图，在空间模拟图里抽象出多平面组合而成；

Sa6、用户通过手机APP里面填写毫米波雷达传感器距离地面的高度h，确定水平地面，完善智能系统的空间模型，在毫米波雷达覆盖区域内，建立起立体空间，系统初始化完成或重新初始化调整毫米波雷达传感器的位置或者角度直至调节正确。

所述步骤S3中的获取特征变化的判断算法步骤如下：

Sb1、首先将毫米波雷达信号处理模块接受到的数据进行快速傅里叶变换以及加窗处理；

Sb2、对数据进行静态载波去除并且计算空间相关矩阵，最后在水平方向上通过CaponBF生成距离或水平方向热图；

Sb3、再通过二维CFAR，在步骤S3b生成的距离或水平方向热图上检测出目标点；

Sb4、在步骤S3c得到的每个[距离，水平角]的目标点上计算空间相关矩阵，然后通过垂直方向的BF生成目标在垂直方向的热图，最后在这个热图上通过峰值搜索获得目标的垂直角度；

Sb5、对于步骤S3d得到的每个[距离，水平角，垂直角]目标点计算空间BF向量，然后用这个BF向量对目标距离bin进行空间滤波并计算Doppler谱，最后在这个Doppler谱上通过峰值搜索来获得目标的速度，然后能够获得了一个包含目标[距离，水平角，垂直角，速度]的点云；

Sb6、根据步骤S3e产生的点云信息，通过GroupTracking算法进行目标聚类，并对目标进行跟踪和预测，然后能够获得一个跟踪目标的列表，列表中的每个目标都包含[空间位置，速度，加速度]信息；

Sb7、最后根据步骤S3f得到的列表信息，通过判断如果人在水平方向上速度变化不明显，垂直方向上有明显变化以及突然加速时，判断为有人员跌倒。

所述信号计算方法包括以下步骤：

Sc1、毫米波雷达对空间范围内作全域扫描，获取毫米波雷达发射模块的电磁波被物体反射后形成的回波信号；

Sc2、对回波信号进行傅里叶变换出来和聚类分析，得到目标对象的点云数据，对全域范围点云数据进行分析，确定人体对象以及人体对象的高度c和人体质心高度f，检测时距离人头顶的距离a，距离人脚的距离b，和a、b两条线构成的夹角C，记录数据，根据余弦定理

能够计算出人体对象的高度c为：

c=；

毫米波雷达传感器测量和计算出：距离人体质心的距离d和b、d两条线构成的夹角F，则根据上述余弦定理，可以计算出人体质心的高度f：

f=。

所述跌倒判断包括以下步骤：

Sd1、设定一个人体对象的高度和人体质心高度之间的距离最大阈值；

Sd2、持续检测人体对象的高度和人体质心高度与上一帧的历史值的差值，差值小于阈值时判断人体未出现跌倒，差值大于阈值时判断人体出现跌倒。

具体的，人员正常行走时如图3所示，通过上述检测方法检测出人体对象的高度c和人体质心高度f均为正常状态时，毫米波雷达传感器能够进行持续检测，人员出现跌倒时如图4所示，通过上述检测方法检测出人体对象的高度c和人体质心高度f均为上一帧的历史检测数据有较大偏差，判断人体跌倒时，如图5所示，毫米波雷达传感器检测到的到人体头部的距离a1、到脚部的距离b1，a1和b1的夹角是K，可测算出人体跌倒到地面的长度k，此时k值与大于设定最大阈值，并且人体水平方向速度变化明显时，判断为出现跌倒，毫米波雷达传感器能够将跌倒情况反馈到手机APP。

所述毫米波雷达传感器包括毫米波雷达信号发射模块、毫米波雷达信号接收模块、毫米波雷达信号转换模块和毫米波雷达信号处理模块，所述毫米波雷达信号接收模块和所述毫米波雷达信号处理模块均与所述毫米波雷达信号转换模块电性连接，所述毫米波雷达信号发射模块与所述毫米波雷达信号处理模块电性连接，所述毫米波雷达信号发射模块与手机APP连接。

所述所述毫米波雷达信号发射模块与所述手机APP的连接方式为无线通讯连接。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述检测方法包括以下步骤：

S1、将毫米波雷达传感器安装到墙面上的安装区域，然后将毫米波雷达传感器接通电源并进行系统初始化；

S2、毫米波雷达信号发射模块开始发送信号，同时毫米波雷达信号接收模块开始接收信号并转发给转换模块；

S3、毫米波雷达信号转换模块收到雷达信号后，将雷达信号转换成ADC采样信号，并将信号以固定的频率发送给处理模块；

S4、毫米波雷达信号处理模块接收到ADC采样信号后，会每间隔固定的时间，取出一段毫米波雷达信号数据，通过计算出当前获取的信号跟之前的信号进行对比是否在高度和速度上有明显变化特征，并将判断结果返回给上层应用处理；

S5、进行跌倒判断以及出现跌倒情况时反馈到手机APP。

2.根据权利要求1所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述毫米波雷达传感器系统初始化包括以下步骤：

Sa1、将带阵列天线的毫米波雷达传感器底座安装到墙面，调整阵列天线的检测区域；

Sa2、通过手机APP里面观察预扫描的区域范围，检测空间范围，并确定传感器的角度；

Sa3、进入毫米波雷达传感器运行软件初始化，毫米波雷达信号发射模块发射电磁波，对所能覆盖全域进行空间扫描；

Sa4、毫米波雷达传感器对回波信号进行傅里叶变换处理和聚类分析，得到扫描目标对象的3D点云数据；

Sa5、根据3D点云数据，在手机APP上显示空间模拟图，在空间模拟图里抽象出多平面组合而成；

Sa6、用户通过手机APP里面填写毫米波雷达传感器距离地面的高度h，确定水平地面，完善智能系统的空间模型，在毫米波雷达覆盖区域内，建立起立体空间，系统初始化完成或重新初始化调整毫米波雷达传感器的位置或者角度直至调节正确。

3.根据权利要求1所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述步骤S3中的获取特征变化的判断算法步骤如下：

Sb1、首先将毫米波雷达信号处理模块接受到的数据进行快速傅里叶变换以及加窗处理；

Sb2、对数据进行静态载波去除并且计算空间相关矩阵，最后在水平方向上通过CaponBF生成距离或水平方向热图；

Sb3、再通过二维CFAR，在步骤S3b生成的距离或水平方向热图上检测出目标点；

Sb4、在步骤S3c得到的每个[距离，水平角]的目标点上计算空间相关矩阵，然后通过垂直方向的BF生成目标在垂直方向的热图，最后在这个热图上通过峰值搜索获得目标的垂直角度；

Sb5、对于步骤S3d得到的每个[距离，水平角，垂直角]目标点计算空间BF向量，然后用这个BF向量对目标距离bin进行空间滤波并计算Doppler谱，最后在这个Doppler谱上通过峰值搜索来获得目标的速度，然后能够获得了一个包含目标[距离，水平角，垂直角，速度]的点云；

Sb6、根据步骤S3e产生的点云信息，通过GroupTracking算法进行目标聚类，并对目标进行跟踪和预测，然后能够获得一个跟踪目标的列表，列表中的每个目标都包含[空间位置，速度，加速度]信息；

Sb7、最后根据步骤S3f得到的列表信息，通过判断如果人在水平方向上速度变化不明显，垂直方向上有明显变化以及突然加速时，判断为有人员跌倒。

4.根据权利要求1所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述信号计算方法包括以下步骤：

Sc1、毫米波雷达对空间范围内作全域扫描，获取毫米波雷达发射模块的电磁波被物体反射后形成的回波信号；

Sc2、对回波信号进行傅里叶变换出来和聚类分析，得到目标对象的点云数据，对全域范围点云数据进行分析，确定人体对象以及人体对象的高度c和人体质心高度f，检测时距离人头顶的距离a，距离人脚的距离b，和a、b两条线构成的夹角C，记录数据，根据余弦定理

能够计算出人体对象的高度c为：

c=；

毫米波雷达传感器测量和计算出：距离人体质心的距离d和b、d两条线构成的夹角F，则根据上述余弦定理，可以计算出人体质心的高度f：

f=。

5.根据权利要求1所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述跌倒判断包括以下步骤：

Sd1、设定一个人体对象的高度和人体质心高度之间的距离最大阈值；

Sd2、持续检测人体对象的高度和人体质心高度与上一帧的历史值的差值，差值小于阈值时判断人体未出现跌倒，差值大于阈值时判断人体出现跌倒。

6.根据权利要求1所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述毫米波雷达传感器包括毫米波雷达信号发射模块、毫米波雷达信号接收模块、毫米波雷达信号转换模块和毫米波雷达信号处理模块，所述毫米波雷达信号接收模块和所述毫米波雷达信号处理模块均与所述毫米波雷达信号转换模块电性连接，所述毫米波雷达信号发射模块与所述毫米波雷达信号处理模块电性连接，所述毫米波雷达信号发射模块与手机APP连接。

7.根据权利要求6所述的一种在毫米波雷达传感器系统中人体跌倒的检测方法，其特征在于：所述所述毫米波雷达信号发射模块与所述手机APP的连接方式为无线通讯连接。

Images