【技术实现步骤摘要】
一种基于雷达的人体姿态判别方法、装置、设备及介质
[0001]本专利技术涉及安全防护
,尤其涉及一种基于雷达的人体姿态判别方法、装置、设备及介质。
技术介绍
[0002]随着科技的不断发展,安全防护方面的研究越来越受重视。安全防护中摔倒的防护是近年来较为重要的一个方面,尤其是针对老人摔倒的安全防护。老人由于身体的衰退,每一次的摔倒都可能导致老人受伤甚至死亡。
[0003]目前防摔方面的研究主要分为两部分防摔设备和防摔监控设备。防摔设备可以一定程度上预防老人摔倒,而防摔监控设备可以为防摔设备的改进方向提供基础,也可以在老人摔倒时,提供预警作用。
[0004]现有的防摔监控设备主要是通过非接触的传感器监控人体是否摔倒,该防摔监控方式判断人体姿态的准确性较低。
技术实现思路
[0005]本专利技术提供一种基于雷达的人体姿态判别方法、装置、设备及介质,用以解决目前防摔监控方式判断人体姿态的准确性较低的问题。
[0006]本专利技术第一方面提供一种基于雷达的人体姿态判别方法,在用户出入场所 ...
【技术保护点】
【技术特征摘要】
1.一种基于雷达的人体姿态判别方法,其特征在于,在用户出入场所处设置有监测雷达和摄像头;所述方法包括:获取摄像头拍摄的目标图像和与所述摄像头匹配的监测雷达的标识;所述目标图像为所述监测雷达在检测到人体达到预设报警姿态并触发警示时,由所述摄像头拍摄人体触发警示位置处生成的;对所述目标图像进行图像识别,以确定目标图像中的人体动作状态;根据所述人体动作状态判断所述监测雷达的标识对应的监测雷达区域是否发生预设报警姿态。2.根据权利要求1所述的方法,其特征在于,所述对所述目标图像进行图像识别,以确定目标图像中的人体动作状态,包括:将所述目标图像输入训练至收敛的深度卷积网络模型中,以确定目标图像中的人体动作状态。3.根据权利要求2所述的方法,其特征在于,所述深度卷积网络模型包括特征提取子模型和人体状态识别子模型;所述将所述目标图像输入训练至收敛的深度卷积网络模型中,以确定目标图像中的人体动作状态,包括:将所述目标图像输入特征提取子模型中,以确定所述目标图像对应的人体骨骼状态图;所述人体骨骼状态图为将人体部位的特征点连接后生成的;将所述人体骨骼状态图输入所述人体状态识别子模型中,以根据所述人体骨骼状态图的宽高比确定人体动作状态。4.根据权利要求3所述的方法,其特征在于,所述人体动作状态包括:非躺状态和躺状态;所述非躺状态包括坐状态、站立状态和蹲状态。5.根据权利要求4所述的方法,其特征在于,所述根据所述人体动作状态判断所述监测雷达的标识对应的监测雷达区域是否发生预设报警姿态,包括:若所述人体动作状态为非躺状态,则确定所述监测雷达的标识对应的监测雷达区域没有发生预设报警姿态;若所述人体动作状...
【专利技术属性】
技术研发人员:郭耀,李跃星,王安琪,熊兆中,镇畅,
申请(专利权)人:湖南时变通讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。