一种基于毫米波雷达的跌倒检测方法及系统与流程

1.本发明涉及跌倒检测技术领域，更具体地，涉及一种基于毫米波雷达的跌倒检测方法及一种基于毫米波雷达的跌倒检测系统。


背景技术：

2.老人的养老问题已成为政府及社会关注的焦点。在浴室或者厨房这种狭小湿滑的环境下，老人甚至成人都容易意外跌倒，而老人跌倒后的及时救援至关重要。所以如何实时检测跌倒行为，并及时输出正确的报警信息是十分重要的研究课题。
3.目前的跌倒检测技术使用的传感器主要有加速度传感器、摄像头、雷达为主。加速度传感器通过几个轴向的加速度来检测位移信息，以此判断人员是否跌倒，但穿戴式的传感器不适用于浴室等场景，且长时间佩戴会引起不适；摄像头通过图像识别技术来判断人员的姿态，无需佩戴在身上，但涉及到隐私问题，且在环境阴暗的地方检测性能会受到很大影响。
4.基于雷达的跌倒检测方法均是提取雷达获取的人体姿态信息，再利用不同的网络进行跌倒姿态的识别。但是由于需要采集大量的数据样本，涵盖各种跌倒姿态以及各种环境带来的数据特征差异，其准确度及适应性还有待提升。


技术实现要素：

5.为了解决现有技术中存在的不足，本发明提供了一种基于毫米波雷达的跌倒检测方法及系统，选择环境适应性较好的毫米波雷达，不涉及隐私问题，不仅通过雷达自身的信息判别跌倒状态，还加入行为逻辑判断、生命体征检测等手段，提高毫米波雷达检测跌倒的准确率。
6.作为本发明的第一个方面，提供一种基于毫米波雷达的跌倒检测方法，包括如下步骤：通过毫米波雷达获取中频adc数据；对所述中频adc数据进行信号预处理操作，得到动目标点云数据；根据所述动目标点云数据对目标人体的当前姿态进行识别；根据所述目标人体的当前姿态识别结果，判断所述目标人体的跌倒状态。
7.进一步地，还包括如下步骤：步骤s1：通过毫米波雷达向被检测区域发射电磁波信号，并接收所述被检测区域中各目标反射的电磁波信号，以及对各目标反射的电磁波信号进行处理得到中频adc数据；步骤s2：对所述中频adc数据进行信号预处理操作，得到去除噪点和多径的动目标点云数据；步骤s3：对信号预处理过程中的距离维数据进行滑动累积，生成目标距离-时间图谱，并储存；步骤s4：判断所述步骤s2输出的动目标点云数据的个数是否超过阈值n，若是，则
进入步骤s5；若否，则进入步骤s13；步骤s5：对所述动目标点云数据进行处理，得到目标追踪列表；步骤s6：将所述目标追踪列表中的特征集合输入到姿态识别模型中，以进行当前人体姿态信息判断；步骤s7：将所述步骤s6判断得到的当前人体姿态信息按照时间顺序滑动累积；步骤s8：根据已累积的当前人体姿态信息判断目标人体是否处于跌倒状态，若是，则进入步骤s9；若否，则进入步骤s10；步骤s9：输出初级报警信号，状态为有目标活体跌倒；步骤s10：判断上一动作时间窗内的目标人体姿态信息是否为跌倒，若是，则进入步骤s11；若否，则进入步骤s12；步骤s11：输出初级报警解除信号，状态为有动目标活体存在；步骤s12：输出不报警信号，状态为有动目标活体存在；步骤s13：将当前人体姿态信息识别为未知状态，并累积；步骤s14：根据所述步骤s3储存的目标距离-时间图谱进行目标位置锁定及相位提取操作，得到目标体动信号；步骤s15：判断能否从所述目标体动信号中提取出人体呼吸值和心跳值及它们的波形；若判断为能提取，则进入步骤s17；若判断为不能提取，则进入步骤s16；步骤s16：输出不报警信号，状态为无活体存在；步骤s17：将提取出来的人体呼吸值和心跳值进行时间维度上的滑动累积；步骤s18：根据所述步骤s13中累积的人体姿态信息，判断上一动作时间窗内的目标人体姿态信息是否为跌倒，若是，则进入步骤s20；若否，则进入步骤s19；步骤s19：输出不报警信号，状态为有静目标活体；步骤s20：输出终极报警信号及固定时间段内累积的人体呼吸值和心跳值，状态为有静目标活体存在危险。
8.进一步地，所述步骤s3中，所述距离维数据为对所述中频adc数据做完距离维fft后的数据。
9.进一步地，所述步骤s6中，还包括：将所述目标追踪列表中的距离、速度以及角度信息在时间维度上进行累积，得到距离-时间、速度-时间以及角度-时间特征集合，并将所述距离-时间、速度-时间以及角度-时间特征集合输入到所述姿态识别模型中，以进行当前人体姿态信息判断。
10.作为本发明的第二个方面，提供一种基于毫米波雷达的跌倒检测系统，用于实现前述任意一项所述的基于毫米波雷达的跌倒检测方法，包括：获取模块，用于通过毫米波雷达获取中频adc数据；处理模块，用于对所述中频adc数据进行信号预处理操作，得到动目标点云数据；识别模块，用于根据所述动目标点云数据对目标人体的当前姿态进行识别；判断模块，用于根据所述目标人体的当前姿态识别结果，判断所述目标人体的跌倒状态。
11.本发明提供的基于毫米波雷达的跌倒检测方法及系统具有以下优点：1、使用毫米波雷达技术，保护隐私，广泛适应各种环境；
2、通过信号处理使得雷达输出更丰富的人员姿态信息；3、在雷达跌倒判断的基础上加入行为逻辑判断，提高检测准确率；4、加入雷达呼吸心跳检测功能，为报警提高丰富的信息；5、依靠毫米波雷达进行有效数据的存储，无需搭载各类云平台和外设，保护个人信息。
附图说明
12.附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
13.图1为本发明基于毫米波雷达的跌倒检测方法的流程图。
14.图2为本发明基于毫米波雷达的跌倒检测方法的具体实施方式流程图。
具体实施方式
15.为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的基于毫米波雷达的跌倒检测方法及系统其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。
16.在本实施例中提供了一种基于毫米波雷达的跌倒检测方法，如图1所示，基于毫米波雷达的跌倒检测方法包括：通过毫米波雷达获取中频adc数据；对所述中频adc数据进行信号预处理操作，得到动目标点云数据；根据所述动目标点云数据对目标人体的当前姿态进行识别；根据所述目标人体的当前姿态识别结果，判断所述目标人体的跌倒状态。
17.优选地，如图2所示，还包括如下步骤：步骤s1：通过毫米波雷达向被检测区域发射电磁波信号，并接收所述被检测区域中各目标反射的电磁波信号，以及对各目标反射的电磁波信号进行处理得到中频adc数据；应当理解的是，雷达硬件系统包括信号发射、信号接收、差频、增益放大、模数转换和存储等预处理，预处理完得到中频adc数据。
18.步骤s2：对所述中频adc数据进行信号预处理操作，得到去除噪点和多径的动目标点云数据；步骤s3：对信号预处理过程中的距离维数据进行滑动累积，生成目标距离-时间图谱，并储存；需要说明的是，此处滑动累积指的是，若时间维设定m帧，当累积的距离维数据达到m帧之后，用最新一帧的距离维数据替换最老一帧的距离维数据；可以理解为，数据先进先出，自动摒弃最老一帧的数据，再把最新一帧的数据放在最近的位置上。
19.需要说明的是，累积完m帧的距离维数据是一个m*n（n为距离维fft点数）的二维矩阵，生成目标距离-时间图谱储存，目标距离-时间图谱纵轴为目标距离，横轴为时间序列。
20.步骤s4：判断所述步骤s2输出的动目标点云数据的个数是否超过阈值n，若是，则
进入步骤s5；若否，则进入步骤s13；步骤s5：对所述动目标点云数据进行处理，得到目标追踪列表；需要说明的是，数据处理方式包括聚类、追踪等算法。
21.步骤s6：将所述目标追踪列表中的特征集合输入到姿态识别模型中，以进行当前人体姿态信息判断；步骤s7：将所述步骤s6判断得到的当前人体姿态信息按照时间顺序滑动累积；其中，累积时长可设置，数据先进先出；步骤s8：根据已累积的当前人体姿态信息判断目标人体是否处于跌倒状态，若是，则进入步骤s9；若否，则进入步骤s10；步骤s9：输出初级报警信号，状态为有目标活体跌倒；步骤s10：判断上一动作时间窗内的目标人体姿态信息是否为跌倒，若是，则进入步骤s11；若否，则进入步骤s12；需要说明的是，此处一个动作时间窗可以理解为发生一个人体动作需要花费的时间段t，即判断前时间段t内的目标姿态是否为跌倒。
22.步骤s11：输出初级报警解除信号，状态为有动目标活体存在；步骤s12：输出不报警信号，状态为有动目标活体存在；步骤s13：此时的动目标点云数据不足以进行姿态识别判断，此时将当前人体姿态信息识别为未知状态，并累积；步骤s14：根据所述步骤s3储存的目标距离-时间图谱进行目标位置锁定及相位提取操作，得到目标体动信号；步骤s15：判断能否从所述目标体动信号中提取出人体呼吸值和心跳值及它们的波形；若判断为能提取，则进入步骤s17；若判断为不能提取，则进入步骤s16；步骤s16：输出不报警信号，状态为无活体存在；步骤s17：将提取出来的人体呼吸值和心跳值进行时间维度上的滑动累积；其中，累积时长可设置，数据先进先出；步骤s18：根据所述步骤s13中累积的人体姿态信息，判断上一动作时间窗内的目标人体姿态信息是否为跌倒，若是，则进入步骤s20；若否，则进入步骤s19；需要说明的是，此处动作时间窗定义与步骤s10中一致。
23.步骤s19：输出不报警信号，状态为有静目标活体；步骤s20：输出终极报警信号及固定时间段内累积的人体呼吸值和心跳值，状态为有静目标活体存在危险。
24.优选地，所述步骤s3中，所述距离维数据为对所述中频adc数据做完距离维fft后的数据。
25.优选地，所述步骤s6中，还包括：将所述目标追踪列表中的距离、速度以及角度信息在时间维度上进行累积，得到距离-时间、速度-时间以及角度-时间特征集合，并将所述距离-时间、速度-时间以及角度-时间特征集合输入到所述姿态识别模型中，以进行当前人体姿态信息判断。
26.作为本发明的另一实施例，提供一种基于毫米波雷达的跌倒检测系统，其中，包括：
获取模块，用于通过毫米波雷达获取中频adc数据；处理模块，用于对所述中频adc数据进行信号预处理操作，得到动目标点云数据；识别模块，用于根据所述动目标点云数据对目标人体的当前姿态进行识别；判断模块，用于根据所述目标人体的当前姿态识别结果，判断所述目标人体的跌倒状态。
27.本发明提供了一种基于毫米波雷达的跌倒检测方法，能够通过毫米波雷达探测环境中的动态目标点，根据这些动态目标点的特征进行姿态识别，并加入行为逻辑判断及人体呼吸心跳的生命体征信号的分析，综合所有信息判别跌倒状态。
28.以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。