[发明专利]基于改进型聚类算法的毫米波雷达跌倒检测方法及系统

说明书

本发明公开了基于改进型聚类算法的毫米波雷达跌倒检测方法及系统，采集被检测人员动作场景数据；对被检测人员动作场景数据进行预处理，得到数据样本；根据数据类型的不同，设定k个聚类中心；依据设定的设定k个聚类中心，基于改进型聚类算法对数据样本进行聚类处理；其中，基于改进型聚类算法，根据一阶差分绝对值初始化第一个聚类中心；采集被检测人员的新动作场景数据，计算新动作场景数据与k个聚类中心之间的距离；将距离最小值对应的聚类中心的类别标签作为跌倒检测状态。本发明提供了基于K聚类算法的毫米波跌倒检测雷达数据分析与处理方法，大大提高了数据分类的准确度。

技术领域

本发明涉及毫米波雷达跌倒检测技术领域，特别是涉及基于改进型聚类算法的毫米波雷达跌倒检测方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

基于可穿戴式装置的跌倒检测方法是当前国内外医疗机构、科研机构的研究热点，但是该方法存在佩戴舒适性差、设备清洗困难等缺点，而基于视频方法的跌倒检测在洗手间和卧室等场所不利于隐私保护、适用范围受限等缺点，基于多普勒生物雷达的生命体征信号监护技术，具有非接触式、成本低、穿透能力强、抗干扰能力强，环境温度和湿度干扰小等特点，在老年人监护中得到了广泛的应用。生命体征回波信号非常微弱，往往淹没在强烈的环境噪声等杂波中，但是如何基于雷达回波实现老人的跌倒检测是目前亟需解决的技术问题。

发明内容

为了解决现有技术的不足，本发明提供了基于改进型聚类算法的毫米波雷达跌倒检测方法及系统；

第一方面，本发明提供了基于改进型聚类算法的毫米波雷达跌倒检测方法；

基于改进型聚类算法的毫米波雷达跌倒检测方法，包括：

采集被检测人员动作场景数据；

对被检测人员动作场景数据进行预处理，得到数据样本；

根据数据类型的不同，设定k个聚类中心；

依据设定的设定k个聚类中心，基于改进型聚类算法对数据样本进行聚类处理；其中，基于改进型聚类算法，根据一阶差分绝对值初始化第一个聚类中心；

采集被检测人员的新动作场景数据，计算新动作场景数据与k个聚类中心之间的距离；将距离最小值对应的聚类中心的类别标签作为跌倒检测状态。

第二方面，本发明提供了基于改进型聚类算法的毫米波雷达跌倒检测系统；

基于改进型聚类算法的毫米波雷达跌倒检测系统，包括：

采集模块，其被配置为：采集被检测人员动作场景数据；

预处理模块，其被配置为：对被检测人员动作场景数据进行预处理，得到数据样本；

聚类中心数量设置模块，其被配置为：根据数据类型的不同，设定k个聚类中心；

聚类模块，其被配置为：依据设定的设定k个聚类中心，基于改进型聚类算法对数据样本进行聚类处理；其中，基于改进型聚类算法，根据一阶差分绝对值初始化第一个聚类中心；

跌倒检测模块，其被配置为：采集被检测人员的新动作场景数据，计算新动作场景数据与k个聚类中心之间的距离；将距离最小值对应的聚类中心的类别标签作为跌倒检测状态。

与现有技术相比，本发明的有益效果是：

本发明提供了基于K聚类算法的毫米波跌倒检测雷达数据分析与处理方法，大大提高了数据分类的准确度。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明