[发明专利]基于微波雷达的动作识别装置、方法及系统

权利要求书

1.一种基于微波雷达的动作识别装置，所述装置包括：

特征提取单元，其用于对预设时间内的微波雷达的所有反射点的信息进行处理，获得属于检测对象的反射点的特征；

分类单元，其用于将所述特征输入到基于深度学习的三分类识别模型中，输出三分类的分类结果，所述三分类的分类结果包括正常动作、摔倒或疑似摔倒；以及

确定单元，其用于根据所述三分类识别模型在时间上连续输出的分类结果，确定所述检测对象是否发生了摔倒。

2.根据权利要求1所述的装置，其中，所述装置还包括：

归一化单元，其用于对获得的所述特征进行归一化处理；以及

激活单元，其用于对归一化处理后的特征使用激活函数进行高维特征抽象处理，

并且，所述分类单元将经过高维特征抽象处理后的特征输入到所述三分类识别模型中。

3.根据权利要求1所述的装置，其中，

所述三分类识别模型具有递归神经网络。

4.根据权利要求3所述的装置，其中，

所述递归神经网络包括至少两个长短期记忆层。

5.根据权利要求1所述的装置，其中，所述确定单元包括：

第一确定单元，其根据所述三分类识别模型在时间上连续输出的分类结果计算累积危险系数，并基于所述累积危险系数进行所述检测对象是否发生了摔倒的判定；或者

第二确定单元，其将所述三分类识别模型在时间上连续输出的分类结果输入到神经网络中进行所述检测对象是否发生了摔倒的判定。

6.根据权利要求5所述的装置，其中，所述第一确定单元包括：

计算单元，其根据前一个累积危险系数计算当前的累积危险系数，各个累积危险系数依次对应于所述三分类识别模型在时间上连续输出的各个分类结果；以及

第一判定单元，其在当前的累积危险系数大于预设阈值的情况下，判定所述检测对象发生了摔倒。

7.根据权利要求5所述的装置，其中，所述第二确定单元包括：

输入单元，其将所述三分类识别模型在时间上连续输出的分类结果输入到二分类神经网络中；以及

第二判定单元，其根据所述二分类神经网络的输出结果判定所述检测对象是否发生了摔倒。

8.根据权利要求1所述的装置，其中，

在对所述三分类识别模型进行训练时，将满足第一条件的特征标定为正常动作且输出为0，将满足第二条件的特征标定为摔倒且输出为1，将满足第三条件的特征标定为疑似摔倒且输出为2。

9.一种动作识别系统，所述动作识别系统包括：

微波雷达，其具有信号发射部和信号接收部，所述信号发射部向检测对象所在的空间发射微波信号，所述信号接收部接收由包含所述检测对象的物体反射的反射信号，得到反射点的信息；以及

根据权利要求1所述的基于微波雷达的动作识别装置，其根据所述反射点的信息进行所述检测对象的动作识别。

10.一种基于微波雷达的动作识别方法，所述方法包括：

对预设时间内的微波雷达的所有反射点的信息进行处理，获得属于检测对象的反射点的特征；

将所述特征输入到基于深度学习的三分类识别模型中，输出三分类的分类结果，所述三分类的分类结果包括正常动作、摔倒或疑似摔倒；以及

根据所述三分类识别模型在时间上连续输出的分类结果，确定所述检测对象是否发生了摔倒。