一种基于毫米波雷达的对象跌倒判断方法及系统技术方案

本发明专利技术公开了一种基于毫米波雷达的对象跌倒判断方法及系统，涉及信息处理技术领域，其中，所述方法包括：通过毫米波雷达采集待测区域信息；基于所述待测区域信息获取包含有目标对象的目标区域信息；基于所述目标区域信息获取所述目标对象的原始位置；当所述目标对象从所述原始位置消失时，则判断所述目标对象跌倒。通过本发明专利技术的方法可解决现有智能家居中的人体传感器无法对人体是否跌倒做出判断的问题。题。题。

【技术实现步骤摘要】
一种基于毫米波雷达的对象跌倒判断方法及系统


[0001]本专利技术涉及信息处理
，具体涉及一种基于毫米波雷达的对象跌倒判断方法、系统、计算机设备以及非易失性计算机可读存储介质。

技术介绍

[0002]目前，人体存在感知是智能家居中极其重要的一项应用技术，智能家居设备通过精准地感知人体存在和状态，做出相应的响应或互动。现有市场上常见的人体传感器是PIR被动式热释电红外传感器，只能做人体移动的侦测，而无法对人体是否跌倒做出判断。
[0003]因此，现有技术还有待改进和提高。

技术实现思路

[0004]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种基于毫米波雷达的对象跌倒判断方法、系统、计算机设备以及非易失性计算机可读存储介质，旨在解决现有智能家居中的人体传感器无法对人体是否跌倒做出判断的问题。
[0005]为了达到上述目的，本专利技术采取了以下技术方案：
[0006]一种基于毫米波雷达的对象跌倒判断方法，其中，包括：
[0007]通过毫米波雷达采集待测区域信息；
[0008]基于所述待测区域信息获取包含有目标对象的目标区域信息；
[0009]基于所述目标区域信息获取所述目标对象的原始位置；
[0010]当所述目标对象从所述原始位置消失时，则判断所述目标对象跌倒。
[0011]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述基于所述待测区域信息获取包含有目标对象的目标区域信息中，所述目标区域信息为所述目标对象离参照平面H高度以上的区域信息。
[0012]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述基于所述目标区域信息获取所述目标对象的原始位置之前，包括：
[0013]将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除。
[0014]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除，包括：
[0015]将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果；
[0016]若所述干扰源判断结果为存在干扰源，则将所述目标区域信息中的所述干扰源剔除；
[0017]若所述干扰源判断结果为不存在干扰源，则不进行操作。
[0018]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述通过毫米波雷达采集待测区域信息之前，包括：
[0019]预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则。
[0020]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则，包括：
[0021]预先构建深度学习模型，根据干扰源样本对所述深度学习模型进行训练，生成干扰源判断模型；
[0022]对所述干扰源判断模型设定相应的规则。
[0023]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断方法，其中，所述预先构建深度学习模型，根据干扰源样本对所述深度学习模型进行训练，生成干扰源判断模型，包括：
[0024]通过毫米波雷达将空间分割成区域块；
[0025]对所述区域块内的动作值定义，定义所述动作值的值域为对象的动作范围，超过或低于所述值域即判断为存在干扰源；
[0026]获取存在所述干扰源的干扰源样本；
[0027]根据所述干扰源样本对预先构建的深度学习模型进行训练，生成干扰源判断模型。
[0028]一种基于毫米波雷达的对象跌倒判断系统，其中，包括：
[0029]采集模块，用于通过毫米波雷达采集待测区域信息；
[0030]第一获取模块，用于基于所述待测区域信息获取包含有目标对象的目标区域信息；
[0031]第二获取模块，用于基于所述目标区域信息获取所述目标对象的原始位置；
[0032]判断模块，用于当所述目标对象从所述原始位置消失时，则判断所述目标对象跌倒。
[0033]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述基于所述待测区域信息获取包含有目标对象的目标区域信息中，所述目标区域信息为所述目标对象离参照平面H高度以上的区域信息。
[0034]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述基于所述目标区域信息获取所述目标对象的原始位置之前，包括：
[0035]将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除。
[0036]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除，包括：
[0037]将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果；
[0038]若所述干扰源判断结果为存在干扰源，则将所述目标区域信息中的所述干扰源剔除；
[0039]若所述干扰源判断结果为不存在干扰源，则不进行操作。
[0040]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述通过毫米波雷达采集待测区域信息之前，包括：
[0041]预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则。
[0042]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则，包括：
[0043]预先构建深度学习模型，根据干扰源样本对所述深度学习模型进行训练，生成干扰源判断模型；
[0044]对所述干扰源判断模型设定相应的规则。
[0045]在进一步的技术方案中，所述的基于毫米波雷达的对象跌倒判断系统，其中，所述预先构建深度学习模型，根据干扰源样本对所述深度学习模型进行训练，生成干扰源判断模型，包括：
[0046]通过毫米波雷达将空间分割成区域块；
[0047]对所述区域块内的动作值定义，定义所述动作值的值域为对象的动作范围，超过或低于所述值域即判断为存在干扰源；
[0048]获取存在所述干扰源的干扰源样本；
[0049]根据所述干扰源样本对预先构建的深度学习模型进行训练，生成干扰源判断模型。
[0050]一种计算机设备，其中，所述计算机设备包括至少一个处理器；以及，
[0051]与所述至少一个处理器通信连接的存储器；其中，
[0052]所述存储器上存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行时，可实现如上述任一项所述的基于毫米波雷达的对象跌倒判断方法。
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的对象跌倒判断方法，其特征在于，包括：通过毫米波雷达采集待测区域信息；基于所述待测区域信息获取包含有目标对象的目标区域信息；基于所述目标区域信息获取所述目标对象的原始位置；当所述目标对象从所述原始位置消失时，则判断所述目标对象跌倒。2.根据权利要求1所述的基于毫米波雷达的对象跌倒判断方法，其特征在于，所述基于所述待测区域信息获取包含有目标对象的目标区域信息中，所述目标区域信息为所述目标对象离参照平面H高度以上的区域信息。3.根据权利要求2所述的基于毫米波雷达的对象跌倒判断方法，其特征在于，所述基于所述目标区域信息获取所述目标对象的原始位置之前，包括：将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除。4.根据权利要求3所述的基于毫米波雷达的对象跌倒判断方法，其特征在于，所述将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果，基于所述干扰源判断结果将所述目标区域信息中的干扰源剔除，包括：将所述目标区域信息输入干扰源判断模型，输出干扰源判断结果；若所述干扰源判断结果为存在干扰源，则将所述目标区域信息中的所述干扰源剔除；若所述干扰源判断结果为不存在干扰源，则不进行操作。5.根据权利要求4所述的基于毫米波雷达的对象跌倒判断方法，其特征在于，所述通过毫米波雷达采集待测区域信息之前，包括：预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则。6.根据权利要求5所述的基于毫米波雷达的对象跌倒判断方法，其特征在于，所述预先设定干扰源判断模型，并对所述干扰源判断模型设定相应的规则，包括：预先构建深度学...

【专利技术属性】
技术研发人员：左湘凌，
申请(专利权)人：广东维锐科技股份有限公司，
类型：发明
国别省市：