[发明专利]摔倒检测方法及摔倒检测装置有效

专利信息
申请号: 202310391380.5 申请日: 2023-04-13
公开(公告)号: CN116106855B 公开(公告)日: 2023-07-18
发明(设计)人: 杨飞;童建文;胡洋;李厚强;孙启彬 申请(专利权)人: 中国科学技术大学
主分类号: G01S7/41 分类号: G01S7/41;G01S13/88
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 张博
地址: 230026 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 摔倒 检测 方法 装置
【权利要求书】:

1.一种摔倒检测方法,其特征在于,包括:

获取毫米波雷达采集的回波信号,其中,所述回波信号是所述毫米波雷达向目标区域内的目标对象发射调频连续毫米波信号后,经所述目标对象反射被所述毫米波雷达所接收得到的;

基于预设处理规则,对所述回波信号进行转化处理,得到时序上的多帧点云数据,其中,所述点云数据包括多个点云信息,所述点云信息包括表征一个所述目标对象的一个关键点的位置信息和速度信息;

基于预设跟踪规则,对多个所述点云数据中的点云信息进行聚类跟踪处理,得到至少一个目标对象的时序上的多个关联点云;

基于预设判定规则,根据所述目标对象的多个所述关联点云的高度和速度,确定所述目标对象的摔倒判定结果;

在所述摔倒判定结果表明所述目标对象处于摔倒姿态的情况下,将转换数据输入至摔倒识别网络模型,输出所述目标对象的摔倒识别结果,其中,所述转换数据是对所述关联点云进行转换得到的;

其中,将转换数据输入至摔倒识别网络模型,输出所述目标对象的摔倒识别结果,包括:

基于预设体素化规则,对多个所述关联点云进行格式转换处理,得到多个所述转换数据,其中,所述预设体素化规则用于将关联点云转化为预设空间网格格式;

将多个所述转换数据输入所述摔倒识别网络模型,得到所述摔倒识别结果,其中,所述摔倒识别网络模型是对利用卷积层、长短期记忆层以及全连接层构建的多层神经网络进行训练得到的;

其中,基于预设处理规则,对所述回波信号进行转化处理,得到时序上的多帧点云数据,包括:

对所述回波信号进行快时间维度的傅里叶变换,得到所述目标对象的距离信息;

对所述回波信号进行慢时间维度的傅里叶变换,得到所述目标对象的速度信息和目标夹角,其中,所述目标夹角表征所述目标对象分别与毫米波雷达的两个接收天线连线之间的夹角;

基于三维空间转换规则,根据所述距离信息、所述速度信息和所述目标夹角,生成多帧时序上的所述点云数据;

其中,对所述回波信号进行慢时间维度的傅里叶变换,得到所述目标对象的速度信息和目标夹角,包括:

对所述回波信号进行慢时间维度的傅里叶变换,得到多普勒频率;

根据所述多普勒频率和所述回波信号的中心频率,确定所述目标对象的所述速度信息;

根据所述毫米波雷达的两个接收天线之间的相位角差、目标对象与两个接收天线之间的距离差确定所述目标夹角。

2.根据权利要求1所述的方法,其特征在于,基于预设判定规则,根据所述目标对象的多个所述关联点云,确定所述目标对象的摔倒判定结果,包括:

针对每个所述关联点云,在所述关联点云的中心高度小于预设高度阈值的情况下,将与所述关联点云在时序上相关的预设帧数的关联点云确定为多个目标点云;

在多个所述目标点云中存在目标帧数的目标点云的中心高度小于所述预设高度阈值的情况下,确定所述目标对象的所述摔倒判定结果为所述摔倒姿态。

3.根据权利要求1所述的方法,其特征在于,还包括:

在所述摔倒识别结果表明所述目标对象处于摔倒的情况下,利用报警装置发出报警提示信息,所述报警装置包括显示装置、语音装置、灯光装置中的至少一种。

4.根据权利要求1所述的方法,其特征在于,对所述回波信号进行快时间维度的傅里叶变换,得到所述目标对象的距离信息,包括:

对所述回波信号进行快时间维度的傅里叶变换,得到目标差拍频率;

根据所述目标差拍频率、信号周期和频率差确定所述目标对象的距离信息,其中,所述信号周期表征发射的调频连续毫米波信号的最低频率增长到峰值频率所使用的时间,所述频率差表征所述峰值频率和所述最低频率的差值。

5.根据权利要求1所述的方法,其特征在于,基于预设跟踪规则,对多个所述点云数据中的点云信息进行聚类跟踪处理,得到至少一个目标对象的时序上的多个关联点云,包括:

利用基于密度的聚类算法,对多个所述点云数据中的点云信息进行聚类处理,得到每个所述点云数据的表征不同目标对象的多个簇;

利用卡尔曼滤波方法对多个点云数据中的多个簇进行目标跟踪处理,得到至少一个目标对象的时序上的多个关联点云。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310391380.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top