[发明专利]一种基于毫米波雷达老人健康状态检测方法及系统

权利要求书

1.一种基于毫米波雷达老人健康状态检测系统，其特征在于，包括毫米波数据采集单元、数据转换单元、模型训练单元、预测单元、跌倒判断单元；其中，

所述毫米波数据采集单元包含姿态检测毫米波雷达和生理特征检测毫米波雷达，通过姿态检测毫米波雷达获取用户的三维点云数据，通过生理特征检测毫米波雷达获取用户的生理特征数据；

所述数据转换单元将所述三维点云数据转换为目标的人体姿态信息，从所述生理特征数据中提取心率以及呼吸频率；

所述模型训练单元包含两部分，一部分是基于LSTM建立生理特征预测模型，所述生理特征预测模型基于所述生理特征数据，得到用户生理状态的预测结果，第二部分支持向量机模型，所述向量机模型基于三维点云数据以及身体倾角数据，得到跌倒分类模型；

所述预测单元用于实时将所述数据转换单元检测到的数据输入到训练好的预测模型中，判断当前用户的状态；

所述报警单元当用户在床榻区域且生理特征检测判断为非健康状态时触发报警，提醒子女注意；当用户在非床榻区域且检测到跌倒行为时，触发报警，提醒子女注意。

2.一种基于毫米波雷达老人健康状态检测方法，其特征在于，所述检测方法包括：

步骤一，获取用户的三维点云数据，判断用户是否处于床榻区域，若是，则进入步骤二，否则进入步骤三；

步骤二，获取用户的生理特征数据，判断是否异常，若异常，则进入步骤四，否则返回步骤一；

步骤三，根据所述三维点云数据判断是否发生了跌倒行为，若是，则进入步骤四，否则返回步骤一；

步骤四，当在床榻区域检测到生理特征异常或在非床榻区域检测到跌倒行为时触发报警。

3.根据权利要求2所述的一种基于毫米波雷达老人健康状态检测方法，其特征在于，所述步骤三具体为：

步骤3.1，将所述数据转换单元中生成的数据制作成的训练集用于训练支持向量机模型；

步骤3.2，将对象的三维点云数据输入到训练好的支持向量机模型中进行跌倒判断。

4.根据权利要求3所述的一种基于毫米波雷达老人健康状态检测方法，其特征在于，所述步骤3.1具体为：

步骤3.1.1，对所述三维点云数据进行平滑处理；

步骤3.1.2，对所述三维点云数据进行特征提取，获取用户的绝对高度、高度均值、高度方差、高宽比数据；

步骤3.1.3，将所述三维点云数据中拥有最大反射强度对应的三维点云记为胸腔位置，根据所述胸腔位置以及所述用户的绝对高度、高度均值、高度方差、高宽比数据确定身体倾角；

步骤3.1.4，基于步骤3.1.2、步骤3.1.3中得到的数据，得到用于训练所述支持向量机模型的基础数据。

5.根据权利要求3所述的一种基于毫米波雷达老人健康状态检测方法，其特征在于，所述步骤3.2具体为：

步骤3.2.1，检测人数，当检测到一个人时，开启跌倒检测判断，进入步骤3.2.2，否则进入步骤一；

步骤3.2.2，获取对象的三维点云数据；

步骤3.2.3，对所述三维点云数据进行特征提取；

步骤3.2.4，使用训练好的跌倒检测模型进行跌倒预测。