基于并行2DCNN-CBAM和雷达多域表征的毫米波雷达跌倒检测方法及系统技术方案

本发明专利技术公开了一种基于并行2DCNN

【技术实现步骤摘要】
基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法及系统


[0001]本专利技术涉及雷达信号处理中的跌倒检测
，特别是一种基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法。

技术介绍

[0002]跌倒检测是雷达信号处理及应用领域中的一个重要研究方向，据国家社会科学基金项目研究显示，在我国，中老年人跌倒发生率为20.8％。在日常生活中，浴室，卧室以及客厅等私密场所空间环境复杂，潜在跌倒隐患较多，这对跌倒检测技术提出了更高的要求。目前，跌倒检测技术主要由以下三种途径实现：基于佩戴式设备的人体跌倒检测技术、基于光学传感器的人体跌倒检测技术以及基于雷达的人体跌倒检测技术。
[0003]基于佩戴式设备的人体跌倒检测技术通过加速度计、陀螺仪等传感器判断佩戴者是否发生跌倒，易对测试者造成行动不便等客观意义上的困扰；基于光学传感器的人体跌倒检测技术能够做到针对室目标的成像精度较高，但其缺点是不仅会受到环境亮度的影响，无法保证跌倒检测的准确率，且光学设备在采集人体动作信息时会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法，其特征在于：包括以下步骤：(1)设置毫米波雷达并通过毫米波雷达实时采集目标原始回波数据；(2)将目标原始回波数据上传并进行处理获取目标行为多域表征，基于多个目标的数据构建行为多域表征数据集；所述多域表征包括目标的时间
‑
距离表征、时间
‑
速度表征、时间
‑
角度表征、运动状态表征；(3)构建并训练跌倒检测神经网络，所述跌倒检测神经网络用于提取目标行为特征并对特征进行融合处理；根据时间
‑
距离表征、时间
‑
速度表征、时间
‑
角度表征、运动状态表征4个特征进行融合处理；(4)基于预训练的跌倒检测神经网络得到目标行为多域特征，并根据多域特征实时判断目标是否跌倒；若是，则进入步骤5；若否，则返回步骤4；(5)发送目标跌倒报警信号。2.根据权利要求1所述的基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法，其特征在于：步骤(2)具体为：(21)基于目标的雷达原始回波数据，计算获取相应的雷达中频信号，再通过脉冲压缩获取目标的时间
‑
距离表征；(22)通过Doppler
‑
FFT获取目标的时间
‑
速度表征；(23)通过Capon波束形成获取目标的时间
‑
角度表征；(24)通过目标状态更新获取目标的时间
‑
速度
‑
距离三维图，通过选取截面的方式，获取目标的运动状态表征。3.根据权利要求2所述的基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法，其特征在于：步骤(21)具体为：根据雷达测距原理，利用时间延迟即可计算得到目标对象与毫米波雷达之间的距离，进而计算得到目标的时间
‑
距离表征。4.根据权利要求1所述的基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法，其特征在于：步骤(22)具体为：利用目标距离轮廓的变化可以提取出目标的速度信息，并进行多通道累积的形式，进而计算得到目标的时间
‑
速度表征V
p
。5.根据权利要求2所述的基于并行2DCNN
‑
CBAM和雷达多域表征的毫米波雷达跌倒检测方法，其特征在于：步骤(23)具体为：通过卡宾波束形成估计目标的时间
‑
角度表征，按照以下公式计算：I
(θ，m)
＝a(θ)R
xm
a
′
(θ)(θ)其中，I
(θ，m)
表示θ处的第m个chirp中的目标回波信号强度，...

【专利技术属性】
技术研发人员：何强，何嘉乐，贾勇，方志强，钟晓玲，张葛祥，杨强，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：