CN117269957B - 一种基于雷达检测技术的人体跌倒检测方法及系统 - Google Patents
一种基于雷达检测技术的人体跌倒检测方法及系统 Download PDFInfo
- Publication number
- CN117269957B CN117269957B CN202311552031.3A CN202311552031A CN117269957B CN 117269957 B CN117269957 B CN 117269957B CN 202311552031 A CN202311552031 A CN 202311552031A CN 117269957 B CN117269957 B CN 117269957B
- Authority
- CN
- China
- Prior art keywords
- human body
- detection
- millimeter wave
- wave radar
- relation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 211
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 14
- 230000032683 aging Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- G08B21/0469—Presence detectors to detect unsafe condition, e.g. infrared sensor, microphone
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
Abstract
本发明涉及雷达监测领域,尤其涉及一种基于雷达检测技术的人体跌倒检测方法及系统。针对毫米波雷达与人体的位置角度不同导致的误报警问题,本发明充分考虑毫米波雷达与人体的角度位置关系,在检测空间的周围安装预设数量的毫米波雷达设备,服务器接收各毫米波雷达设备采集的人体姿态数据,输入至人体跌倒检测模型中,得到与预设毫米波雷达设备数量相等的多个检测结果,优先选择面对或背离对应的检测结论作为最终检测结论,在不存在面对或背离关系时,选择接近面对或者接近背离对应的检测结论作为最终检测结论,以此类推,从而提高了人体跌倒检测的准确度,避免出现误报警的问题。
Description
技术领域
本发明涉及雷达监测领域,尤其涉及一种基于雷达检测技术的人体跌倒检测方法及系统。
背景技术
目前,全球人口正在加速老龄化,预计到2050年,全球将有超过20亿的60岁以上人口,老龄化形势非常严峻。随着不断加剧的人口老龄化趋势,整个社会必将迎来新的挑战。
跌倒是指人的身体姿态突然发生改变,这种改变是指不受控制的倒在地面或者其它平面上。跌倒经常发生在老年人群体中,并且随着年龄的增加,发生率有升高的趋势,跌倒可以产生较为严重的后果,例如身体受伤、生活质量下降、产生心理疾病,严重威胁了老年人的生活质量。因此,如何检测跌倒事件己经成为不可忽视的一个重要问题。
目前比较成熟的跌倒行为识别技术,主要有可穿戴设备和计算机视觉的方法。其中可穿戴设备需要穿戴在人身上,用传感器记录人体运动信息的变化情况来检测跌倒行为,但是其不方便佩戴,并且影响用户体验,基于计算机视觉的方法使用时也有很多限制,其容易受到光照的影响且不能保护个人隐私。由于上述方法的局限性,探索新的跌倒行为检测方式具有重要的意义。
现有技术中存在通过毫米波雷达实现人体跌倒检测的技术方案,例如中国发明专利(CN115327535A)公开了一种基于神经网络的毫米波雷达跌倒检测方法及系统,把神经网络的高准确性和毫米波雷达的高性价比性结合起来,可以准确的解决实时跌倒检测的准确性问题。
然而,上述方案并未考虑到毫米波雷达的放置位置角度对报警准确性的影响,因此,当毫米波雷达与人体的位置角度不同的,报警的准确度不同,从而导致可能出现误报警的情况出现。
因此,现有技术亟需一种考虑毫米波雷达与人体的位置角度进而提高人体跌倒检测准确度的技术方案。
发明内容
为了解决上述技术问题,本发明提供一种基于雷达检测技术的人体跌倒检测方法,提高了人体跌倒检测准确度。
一种基于雷达检测技术的人体跌倒检测方法,包括如下步骤:
步骤S1:在检测空间的周围安装预设数量的毫米波雷达设备,使用所述毫米波雷达设备采集人体姿态数据;
步骤S2:服务器运行人体跌倒识别模型,将每个毫米波雷达设备采集的所述人体姿态数据输入所述人体跌倒识别模型,得到与所述预设数量相等的多个检测结果,根据所述毫米波雷达设备与人体的角度位置关系,从所述多个检测结果中得到人体跌倒检测的最终检测结论。
进一步地,步骤S2中,所述毫米波雷达设备与人体的角度位置关系包括:面对关系、接近面对关系、背离关系、接近背离关系、其他关系。
进一步地,步骤S2中,根据所述毫米波雷达设备与人体的角度位置关系,从所述多个检测结果中得到人体跌倒检测的最终检测结论,具体步骤如下:
步骤S21:将所述人体姿态数据进行标注,得到标注后的人体动作数据,将所述标注后的人体动作数据作为训练所述人体跌倒检测模型的数据集;
步骤S22:将所述数据集输入所述人体跌倒检测模型进行训练,当满足训练结束条件时,结束训练;
步骤S23:所述服务器接收每个毫米波雷达设备采集的所述人体姿态数据,分别输入所述人体跌倒检测模型,根据所述毫米波雷达设备与人体的角度位置关系,确定最终检测结论,包括以下情形:
优先选择所述毫米波雷达设备与所述人体的角度位置关系呈面对关系或背离关系时对应的检测结果,作为所述最终检测结论;
若所述角度位置关系不存在面对关系或背离关系,则选择接近面对关系或接近背离关系时对应的检测结果,作为所述最终检测结论;
若所述角度位置关系不存在面对关系或背离关系,也不存在接近面对关系或接近背离关系,则选择接其他关系时对应的检测结果,作为所述最终检测结论。
具体的,步骤S21中,将所述人体姿态数据进行标注,所述标注包括标注结果和标注毫米波雷达设备与人体的角度位置关系。
进一步地,步骤S22中,将所述数据集输入所述人体跌倒检测模型进行训练,训练参数包括:学习率为0.001,优化方法为Adam优化。
进一步地,步骤S1中,使用所述毫米波雷达设备采集所述人体姿态数据,所述人体姿态数据包括:向前跌倒动作、向后跌倒动作、坐下动作、起立动作、挥手动作。
进一步地,所述毫米波雷达设备与人体的角度位置关系,其中所述面对关系指的是,所述毫米波雷达设备与所述人体面对,且面对角度为0°;
所述接近面对关系指的是,所述毫米波雷达设备与所述人体面对,且面对角度成[-10°,10°]范围;
所述背离关系指的是,所述毫米波雷达设备与所述人体背离,且背离角度为0°;
所述接近背离关系指的是,所述毫米波雷达设备与所述人体背离,且面对角度成[-10°,10°]范围;
所述其他关系指的是,所述毫米波雷达设备与所述人体的角度位置关系均不符合上述四种关系中的角度位置关系。
进一步地,若所述毫米波雷达设备与所述人体的角度位置关系呈面对关系或背离关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为;
若所述毫米波雷达设备与所述人体的角度位置关系呈接近面对关系或接近背离关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为;
若所述毫米波雷达设备与所述人体的角度位置关系呈其他关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为。
本发明,还提供了一种基于雷达检测技术的人体跌倒检测系统,包括:
数据收集模块:在检测空间的周围安装预设数量的毫米波雷达设备,使用所述毫米波雷达设备采集人体姿态数据,所述数据收集模块用于收集所述人体姿态数据;
计算模块:用于将所述人体姿态数据输入服务器中的所述人体跌倒识别模型,得到人体跌倒检测的最终检测结论。
本发明实施例具有以下技术效果:
1.本发明在检测空间的周围安装预设数量的毫米波雷达设备,充分考虑毫米波雷达与人体的角度位置关系,从而提升所采集数据的全面性,为后续计算最终检测结论,提供有力的依据。
2.服务器用于接收各毫米波雷达设备采集的人体姿态数据,分别输入至人体跌倒检测模型中,得到与预设毫米波雷达设备数量相等的多个检测结果,并在所述多个检测结果中确定最终检测结论。进而,根据毫米波雷达设备与人体呈面对、接近面对、背离、接近背离、其他这五种位置关系,优先选择面对或背离对应的检测结论作为最终结论,在不存在面对或背离关系时,选择接近面对或者接近背离对应的检测结论作为最终结论,以此类推,从而提高了人体跌倒检测的准确度,避免了误报警的情况出现。
3.本发明中设置了服务器,在服务器中运行人体跌倒识别模型,将每个毫米波雷达设备采集的数据分别输入至人体跌倒检测模型中,极大的降低了硬件成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体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,下面描述中的附图是本发明的一些实施方式,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它的附图。
图1是本发明实施例提供的一种基于雷达检测技术的人体跌倒检测方法的流程图;
图2是本发明实施例中从多个检测结果中得到人体跌倒检测的最终检测结论的流程图;
图3是本发明实施例提供的一种基于雷达检测技术的人体跌倒检测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例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的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
近年来,毫米波雷达技术得到了快速发展并应用于目标检测和识别领域,相比其他传感器技术(如红外线、超声波),毫米波雷达具有更好的稳定性和精度,不受环境光线、温度等因素的影响,并且能够在大范围内实现无死角、高精度的目标检测和识别。这些特点使得毫米波雷达技术成为了自动化老年人跌倒检测领域中受到广泛关注的技术之一;本实施例针对老年人容易发生跌倒事件的卫生间作为检测环境,对老年人的跌倒行为进行检测,进而在发生跌倒行为后实现报警。
图1是本发明实施例提供的一种基于雷达检测技术的人体跌倒检测方法的流程图。详细步骤参见图1:
步骤S1:在检测空间的周围安装预设数量的毫米波雷达设备,使用毫米波雷达设备采集人体姿态数据。
本实施例中,在卫生间墙壁上安装预设数量的毫米波雷达设备,用于人体姿态数据的采集。其中,预设数量为4个,分别放置于卫生间的四面墙壁上,并设置于距离地板1.5m高度处。
另外,现有技术中,在卫生间这种环境中,一般会将毫米波雷达设备安装在天花板或者地板上,从而实现跌倒检测,而通过实际研究发现,当毫米波雷达设备与人体呈面对或者背离位置关系时,毫米波雷达的检测效果最好,因此,本实施例设置了多个传感器,并安装于卫生间的四面墙壁上,从而尽可能地提高检测的准确度。
本发明在检测空间的周围安装预设数量的毫米波雷达设备,充分考虑毫米波雷达与人体的角度位置关系,从而提升所采集数据的全面性,为后续计算最终检测结论,提供有力的依据。
在本实施例中,毫米波雷达设备由射频天线、数据采集模块、数据传输模块组成;其中射频天线为毫米波雷达传感器,毫米波雷达传感器为德州仪器公司的毫米波雷达IWR6843,毫米波雷达传感器包括3根发射天线和4根接收天线,可以检测(-60°,60°)视野范围内的目标;数据采集模块的采集参数为:成像帧率为25f/s,单帧积累225次脉冲;数据传输模块用于将数据传输至服务器;
进一步地,步骤S1中,使用毫米波雷达设备采集人体姿态数据,其中,采集的所述人体姿态数据为人体目标回波数据,所述人体目标回波数据为所述毫米波通过人体反射的回波数据,通过所述回波数据反应人体姿态信息。
步骤S2:服务器运行人体跌倒识别模型,将每个毫米波雷达设备采集的人体姿态数据输入人体跌倒识别模型,得到与预设数量相等的多个检测结果,根据毫米波雷达设备与人体的角度位置关系,从多个检测结果中得到人体跌倒检测的最终检测结论。
上述服务器用于接收人体姿态数据,并运行人体跌倒识别模型,得到人体跌倒检测的最终检测结论。
在本实施例中,由于设置了多个毫米波雷达设备,若在每个毫米波雷达设备中运行模型,这将极大的增加硬件成本,因此,本实施例设置了服务器,在服务器中运行人体跌倒识别模型。
在本实施例中,人体跌倒识别模型为深度卷积神经网络模型。该深度卷积神经网络模型由输入层、卷积层、激活函数、池化层和全连接层组成。
进一步地,步骤S2中,毫米波雷达设备与人体的角度位置关系包括:面对关系、接近面对关系、背离关系、接近背离关系、其他关系。
进一步地,毫米波雷达设备与人体的角度位置关系,其中面对关系指的是,毫米波雷达设备与人体面对,且面对角度为0°。
接近面对关系指的是,毫米波雷达设备与人体面对,且面对角度成[-10°,10°]范围。
背离关系指的是,毫米波雷达设备与人体背离,且背离角度为0°。
接近背离关系指的是,毫米波雷达设备与人体背离,且面对角度成[-10°,10°]范围。
其他关系指的是,毫米波雷达设备与人体的角度位置关系均不符合上述四种关系中的角度位置关系。
根据图2所示,步骤S2中,根据毫米波雷达设备与人体的角度位置关系,从多个检测结果中得到人体跌倒检测的最终检测结论,具体步骤如下:
步骤S21:将人体姿态数据进行标注,得到标注后的人体动作数据,将标注后的人体动作数据作为训练人体跌倒检测模型的数据集。
具体的,步骤S21中,将人体姿态数据进行标注,标注包括标注结果和标注毫米波雷达设备与人体的角度位置关系。
通过毫米波雷达设备采集人体动作数据,并进行标注作为训练人体跌倒检测模型的数据集。
本实施例中,通过多名性别不同的志愿者以不同的毫米波雷达设备与人体的角度位置进行上述人体动作,包括向前跌倒、向后跌倒、坐下、起立、挥手等,然后通过毫米波雷达设备采集人体姿态数据。
在获取到人体姿态数据,对人体姿态数据进行标注。值得强调地是,由于本实施例是对人体跌倒进行检测,所以标注结果包括跌倒、非跌倒两种识别动作。
另外,本实施例是以不同的毫米波与人体的角度位置关系采集的人体动作数据,所以标注结果还包括该数据反应的毫米波雷达设备与人体的角度位置关系。
步骤S22:将数据集输入人体跌倒检测模型进行训练,当满足训练结束条件时,结束训练。
即将标注后的人体动作数据作为训练人体跌倒检测模型的数据集,输入至人体跌倒检测模型中,通过人体跌倒检测模型的运算,输出是否存在跌倒行为以及毫米波雷达设备与人体的角度位置关系。
进一步地,步骤S22中,将数据集输入人体跌倒检测模型进行训练时,学习率为0.001,优化方法为Adam优化。
学习率是深度学习中的一个重要超参数,可以控制人体跌倒检测模型在每一次迭代中对参数进行更新的速度。
当使用Adam优化方法,且学习率为0.001时,计算高效,人体跌倒检测模型的收敛速度最优,稳定性最好,训练效果最佳。
步骤S23:服务器接收每个毫米波雷达设备采集的人体姿态数据,分别输入人体跌倒检测模型,根据毫米波雷达设备与人体的角度位置关系,确定最终检测结论,包括以下情形:
优先选择毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系时对应的检测结果,作为最终检测结论;
若角度位置关系不存在面对关系或背离关系,则选择接近面对关系或接近背离关系时对应的检测结果,作为最终检测结论;
若角度位置关系不存在面对关系或背离关系,也不存在接近面对关系或接近背离关系,则选择接其他关系时对应的检测结果,作为最终检测结论。
服务器接收各毫米波雷达设备采集的人体姿态数据,分别输入至人体跌倒检测模型中,得到与预设毫米波雷达设备数量相等的多个检测结果,并在多个检测结果中确定最终检测结论。进而,根据毫米波雷达设备与人体呈面对、接近面对、背离、接近背离、其他这五种位置关系,优先选择面对或背离对应的检测结论作为最终结论,在不存在面对或背离关系时,选择接近面对或者接近背离对应的检测结论作为最终结论,以此类推,从而提高了人体跌倒检测的准确度,避免了误报警的情况出现。
本实施例中,在卫生间墙壁上安装4个毫米波雷达设备,服务器将接收的4个毫米波雷达设备采集的人体姿态数据分别输入至人体跌倒检测模型中,得到4个检测结果,其中每个检测结果中均包含了是否存在跌倒行为的结论以及毫米波雷达与人体的角度位置关系,最终在这4个检测结果中确定最终检测结论。
在上述4个检测结果中,优先选择毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系时对应的检测结果确定最终检测结论。
更近一步地,会存在较小概率的情况出现面对关系或背离关系时对应的检测结论不同,则说明一个是检测为跌倒,一个是检测为非跌倒。为了尽可能的提示风险,此时,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为。
具体地,通过可穿戴设备向被检测人发送自己是否跌倒行为确认。
若不存在毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系时,则选择毫米波雷达设备与人体的角度位置关系呈接近面对关系或接近背离关系时对应的检测结果作为最终跌倒检测结论。
这种情况下,也会存在较小概率的情况出现接近面对关系或接近背离关系时对应的检测结论不同,说明一个是检测为跌倒,一个是检测为非跌倒。为了尽可能的提示风险,此时,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为。可通过可穿戴设备向被检测人发送自己是否跌倒行为确认。
若不存在毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系,也不存在毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系时,选择毫米波雷达设备与人体呈其他角度位置关系时对应的检测结果,作为最终跌倒检测结论。
该情况下,若对应的检测结论不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为。允许通过可穿戴设备向被检测人发送自己是否跌倒行为确认。
本发明,还提供了一种基于雷达检测技术的人体跌倒检测系统,由图3可知,该人体跌倒检测系统包括数据收集模块和计算模块。
数据收集模块:在检测空间的周围安装预设数量的毫米波雷达设备,使用毫米波雷达设备采集人体姿态数据,数据收集模块用于收集人体姿态数据;
计算模块:用于将人体姿态数据输入服务器中的人体跌倒识别模型,得到人体跌倒检测的最终检测结论。
具体地,上述基于雷达检测技术的人体跌倒检测系统收集数据,即在检测空间的周围安装预设数量的毫米波雷达设备,使用五种毫米波雷达设备采集人体姿态数据。
上述基于雷达检测技术的人体跌倒检测系统运行计算模块,即服务器运行人体跌倒识别模型,将每个毫米波雷达设备采集的五种人体姿态数据输入五种人体跌倒识别模型,得到与五种预设数量相等的多个检测结果,根据五种毫米波雷达设备与人体的角度位置关系,从五种多个检测结果中得到人体跌倒检测的最终检测结论。
值得注意的是,在采集人体姿态数据后需要进行标注。由于本实施例是对人体跌倒进行检测,所以标注结果包括跌倒、非跌倒两种识别动作。另外,本实施例是以不同的毫米波与人体的角度位置关系采集的人体动作数据,所以标注结果还包括该数据反应的毫米波雷达设备与人体的角度位置关系。
服务器接收每个毫米波雷达设备采集的人体姿态数据,分别输入人体跌倒检测模型,根据毫米波雷达设备与人体的角度位置关系,确定最终检测结论,包括:
优先选择毫米波雷达设备与人体的角度位置关系呈面对关系或背离关系时对应的检测结果,作为最终检测结论。
若角度位置关系不存在面对关系或背离关系,则选择接近面对关系或接近背离关系时对应的检测结果,作为最终检测结论。
若角度位置关系不存在面对关系或背离关系,也不存在接近面对关系或接近背离关系,则选择接其他关系时对应的检测结果,作为最终检测结论。
使用上述基于雷达检测技术的人体跌倒检测系统进行体跌倒检测,数据采集和最终结果确定时充分考虑毫米波雷达与人体的角度位置关系,从而提高了人体跌倒检测的准确度,避免出现误报警的问题。计算时准确高、速度快。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (7)
1.一种基于雷达检测技术的人体跌倒检测方法,其特征在于,包括如下步骤:
步骤S1:在检测空间的周围安装预设数量的毫米波雷达设备,使用所述毫米波雷达设备采集人体姿态数据;
步骤S2:服务器运行人体跌倒识别模型,将每个毫米波雷达设备采集的所述人体姿态数据输入所述人体跌倒识别模型,得到与所述预设数量相等的多个检测结果,根据所述毫米波雷达设备与人体的角度位置关系,从所述多个检测结果中得到人体跌倒检测的最终检测结论;
所述毫米波雷达设备与人体的角度位置关系包括:面对关系、接近面对关系、背离关系、接近背离关系、其他关系;
根据所述毫米波雷达设备与人体的角度位置关系,从所述多个检测结果中得到人体跌倒检测的最终检测结论,具体步骤如下:
步骤S21:将所述人体姿态数据进行标注,得到标注后的人体动作数据,将所述标注后的人体动作数据作为训练所述人体跌倒检测模型的数据集;
步骤S22:将所述数据集输入所述人体跌倒检测模型进行训练,当满足训练结束条件时,结束训练;
步骤S23:所述服务器接收每个毫米波雷达设备采集的所述人体姿态数据,分别输入所述人体跌倒检测模型,根据所述毫米波雷达设备与人体的角度位置关系,确定最终检测结论,包括以下情形:
优先选择所述毫米波雷达设备与所述人体的角度位置关系呈面对关系或背离关系时对应的检测结果,作为所述最终检测结论;
若所述角度位置关系不存在面对关系或背离关系,则选择接近面对关系或接近背离关系时对应的检测结果,作为所述最终检测结论;
若所述角度位置关系不存在面对关系或背离关系,也不存在接近面对关系或接近背离关系,则选择接其他关系时对应的检测结果,作为所述最终检测结论。
2.根据权利要求1所述的一种基于雷达检测技术的人体跌倒检测方法,其特征在于:步骤S21中,将所述人体姿态数据进行标注,所述标注包括标注结果和标注毫米波雷达设备与人体的角度位置关系。
3.根据权利要求1所述的一种基于雷达检测技术的人体跌倒检测方法,其特征在于:步骤S22中,将所述数据集输入所述人体跌倒检测模型进行训练,训练参数包括:学习率为0.001,优化方法为Adam优化。
4.根据权利要求1所述的一种基于雷达检测技术的人体跌倒检测方法,其特征在于:步骤S1中,使用所述毫米波雷达设备采集所述人体姿态数据,所述人体姿态数据包括:向前跌倒动作、向后跌倒动作、坐下动作、起立动作、挥手动作。
5.根据权利要求1所述的一种基于雷达检测技术的人体跌倒检测方法,其特征在于:所述毫米波雷达设备与人体的角度位置关系,其中所述面对关系指的是,所述毫米波雷达设备与所述人体面对,且面对角度为0°;
所述接近面对关系指的是,所述毫米波雷达设备与所述人体面对,且面对角度成[-10°,10°]范围;
所述背离关系指的是,所述毫米波雷达设备与所述人体背离,且背离角度为0°;
所述接近背离关系指的是,所述毫米波雷达设备与所述人体背离,且面对角度成[-10°,10°]范围;
所述其他关系指的是,所述毫米波雷达设备与所述人体的角度位置关系均不符合上述四种关系中的角度位置关系。
6.根据权利要求1所述的一种基于雷达检测技术的人体跌倒检测方法,其特征在于:若所述毫米波雷达设备与所述人体的角度位置关系呈面对关系或背离关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为;
若所述毫米波雷达设备与所述人体的角度位置关系呈接近面对关系或接近背离关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为;
若所述毫米波雷达设备与所述人体的角度位置关系呈其他关系时对应的检测结果不同,向被检测人发送自己是否跌倒行为确认,若长时间未确认或者确认存在跌倒行为则认为最终检测结论为存在跌倒行为。
7.一种基于雷达检测技术的人体跌倒检测系统,其特征在于:执行如权利要求1-6任一项所述的一种基于雷达检测技术的人体跌倒检测方法,包括:
数据收集模块:在检测空间的周围安装预设数量的毫米波雷达设备,使用所述毫米波雷达设备采集人体姿态数据,所述数据收集模块用于收集所述人体姿态数据;
计算模块:用于将所述人体姿态数据输入服务器中的人体跌倒识别模型,得到人体跌倒检测的最终检测结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552031.3A CN117269957B (zh) | 2023-11-21 | 2023-11-21 | 一种基于雷达检测技术的人体跌倒检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552031.3A CN117269957B (zh) | 2023-11-21 | 2023-11-21 | 一种基于雷达检测技术的人体跌倒检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117269957A CN117269957A (zh) | 2023-12-22 |
CN117269957B true CN117269957B (zh) | 2024-02-13 |
Family
ID=89216317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311552031.3A Active CN117269957B (zh) | 2023-11-21 | 2023-11-21 | 一种基于雷达检测技术的人体跌倒检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117269957B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956173A (zh) * | 2018-07-02 | 2018-12-07 | 四川国软科技发展有限责任公司 | 一种基于机械臂的动车螺栓及部件检测的方法及装置 |
CN110703241A (zh) * | 2019-09-26 | 2020-01-17 | 弗徕威智能机器人科技(上海)有限公司 | 一种基于uwb雷达的人体摔倒检测自适应系统和装置 |
KR102413893B1 (ko) * | 2021-11-17 | 2022-06-28 | (주)아이와즈 | 스켈레톤 벡터 기반 비대면 비접촉 낙상탐지 시스템 및 방법 |
CN115204240A (zh) * | 2022-08-12 | 2022-10-18 | 南京理工大学 | 基于毫米波雷达和fpga的跌倒检测方法及装置 |
CN115376276A (zh) * | 2022-07-25 | 2022-11-22 | 苏州智瞳威视科技有限公司 | 一种采用人工智能语音交互方式的老人跌倒监测装置 |
CN116030528A (zh) * | 2021-10-22 | 2023-04-28 | 株式会社日立制作所 | 跌倒检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11260251B2 (en) * | 2016-06-23 | 2022-03-01 | 3M Innovative Properties Company | Respirator device with light exposure detection |
-
2023
- 2023-11-21 CN CN202311552031.3A patent/CN117269957B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956173A (zh) * | 2018-07-02 | 2018-12-07 | 四川国软科技发展有限责任公司 | 一种基于机械臂的动车螺栓及部件检测的方法及装置 |
CN110703241A (zh) * | 2019-09-26 | 2020-01-17 | 弗徕威智能机器人科技(上海)有限公司 | 一种基于uwb雷达的人体摔倒检测自适应系统和装置 |
CN116030528A (zh) * | 2021-10-22 | 2023-04-28 | 株式会社日立制作所 | 跌倒检测方法及装置 |
KR102413893B1 (ko) * | 2021-11-17 | 2022-06-28 | (주)아이와즈 | 스켈레톤 벡터 기반 비대면 비접촉 낙상탐지 시스템 및 방법 |
CN115376276A (zh) * | 2022-07-25 | 2022-11-22 | 苏州智瞳威视科技有限公司 | 一种采用人工智能语音交互方式的老人跌倒监测装置 |
CN115204240A (zh) * | 2022-08-12 | 2022-10-18 | 南京理工大学 | 基于毫米波雷达和fpga的跌倒检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117269957A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10489649B2 (en) | Drone data locker system | |
US20200007357A1 (en) | Apparatus and method for smart home monitoring | |
US9576468B2 (en) | Human motion feature extraction in personal emergency response systems and methods | |
CN112716474A (zh) | 基于生物微波雷达的非接触式睡眠状态监测方法和系统 | |
CN111481202A (zh) | 生命体征的检测与测量 | |
CN112184626A (zh) | 姿态识别方法、装置、设备及计算机可读介质 | |
KR102376330B1 (ko) | 낙상 예방을 위한 하이브리드 보행 분석장치 및 그를 포함하는 낙상 예방 관리시스템 | |
US11717231B2 (en) | Ultrasound analytics for actionable information | |
CN110673135A (zh) | 传感器、推定装置、推定方法和程序记录介质 | |
WO2020037399A1 (en) | Systems and methods for mapping a given environment | |
EP4029439A1 (en) | Method for monitoring a recumbent patient to obtain information on a body position of the patient | |
CN112740221A (zh) | 生物测定数据捕获和分析 | |
CN113257415A (zh) | 健康数据收集装置和系统 | |
Tariq et al. | Neural networks for indoor human activity reconstructions | |
CN117269957B (zh) | 一种基于雷达检测技术的人体跌倒检测方法及系统 | |
JP2014191616A (ja) | 独居高齢者の見守り方法、装置およびサービス提供システム | |
KR102317075B1 (ko) | Uwb 레이더 센서를 활용한 비접촉식 스트레스 추론 장치 및 방법 | |
Sansano-Sansano et al. | Multimodal sensor data integration for indoor positioning in ambient-assisted living environments | |
CN112762934B (zh) | 下肢运动方向预测装置和方法 | |
CN112859187B (zh) | 被探测物的姿态识别方法和装置、设备及系统 | |
CN114325878A (zh) | 一种基于龙卷风活动特征的预警分析系统 | |
EP4099897A1 (en) | System, method and computer program product for remote measurement of vital signs | |
CN215078369U (zh) | 一种基于生物微波雷达的非接触式睡眠状态监测系统 | |
US20230392931A1 (en) | Robot pose estimation | |
Sansano-Sansano et al. | Research Article Multimodal Sensor Data Integration for Indoor Positioning in Ambient-Assisted Living Environments |
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 |