一种基于CSI的跌倒检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于信道状态信息CSI的跌倒检测方法、装置及存储介质，方法包括：获取待测的信道状态信息CSI数据；预处理、信号分段、提取特征，得到特征数据；将提取得到的特征数据输入预训练的检测模型，得到输出的跌倒检测结果；其中所述检测模型的训练数据集中包括跌倒、缓慢坐下、行走、站立、快速下坐、物品掉落、弯腰捡物品、坐到地上行为组成的数据集，增添对类跌倒行为数据的采集，用于后续的机器学习分类，降低漏报率和误报率；采用对抗机器学习方法对卷积神经网络模型进行训练优化，提高模型泛化性，防止学习过程中出现过拟合现象，而造成识别精确度下降。而造成识别精确度下降。而造成识别精确度下降。

【技术实现步骤摘要】
一种基于CSI的跌倒检测方法、装置及存储介质


[0001]本专利技术属于目标跟踪
，涉及一种基于信道状态信息CSI的跌倒检测方法、装置及存储介质。

技术介绍

[0002]目前，国内外研究者就基于WiFi的跌倒检测提出了诸多方案，
[0003]文献“WiFall:Device
‑
free fall detection by wireless networks”中给出的WiFall方案，实现了对于跌倒、坐下、行走和站立这四类行为的分类，采用普通的支持向量机(Support Vector Machine，SVM)和随机森林算法，达到了一定的精度，却无法实现对于类跌倒行为的区分。文献“Fall Detection Using Channel State Information from WiFi Devices”中提及的Sensing
‑
Fi方案，对于物体掉落在地上的情况会产生误报。另外，该论文中实现的创新方案FallDeFi，比较了四种分类算法——逻辑回归、朴素贝叶斯、SVM和随机森林算法，选择了其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跌倒检测方法，其特征在于，包括：获取待测的信道状态信息CSI数据；对获取的CSI数据进行预处理，对预处理后的CSI数据进行信号分段；对分段后的数据在时域和频域提取得到统计量特征，得到特征数据；将提取得到的特征数据输入预训练的检测模型，得到输出的跌倒检测结果；其中所述检测模型的训练方法包括：获取带有标签的信道状态信息CSI数据，其中所述CSI数据包括跌倒、缓慢坐下、行走、站立、快速下坐、物品掉落、弯腰捡物品、坐到地上行为组成的数据集；对获取的CSI数据进行预处理；对预处理后的CSI数据进行信号分段；对分段后的数据在时域和频域提取得到统计量特征，形成特征信息数据集；将所述特征信息数据集中至少一部分作为训练样本，采用对抗机器学习方法对卷积神经网络模型进行训练优化，得到训练好的检测模型。2.根据权利要求1所述的跌倒检测方法，其特征在于，所述预处理包括离群点去除、滤波、插值。3.根据权利要求2所述的跌倒检测方法，其特征在于，利用Hampel算法去除数据中的离群点。4.根据权利要求2所述的跌倒检测方法，其特征在于，采用巴特沃斯低通滤波器对数据进行滤波；对于行走、站立和物品掉落数据集，利用截止频率为80Hz的五阶巴特沃斯低通滤波器选取有效数据；对于跌倒、缓慢坐下、快速下坐、弯腰捡物品、坐到地上数据集，利用截止频率为3...

【专利技术属性】
技术研发人员：王田田，张载龙，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：