基于雷达距离多普勒图和IR-ST的人体跌倒识别方法技术

本发明专利技术提出了一种基于雷达距离多普勒图和IR

【技术实现步骤摘要】
基于雷达距离多普勒图和IR
‑
ST的人体跌倒识别方法


[0001]本专利技术涉及信号处理
，具体涉及神经网络处理识别信号。

技术介绍

[0002]第七次全国人口普查结果显示，我国60岁及以上人口数量为26402万人，占全国人口的18.7%。相较于2010年的第六次人口普查结果，60岁及以上人口数量占全国总人口的比例提高了5.44%。由于许多老年人患有骨质疏松等症状，当发生跌倒时常常会导致损伤。据世界卫生组织报道，跌倒是世界上非故意伤害死亡的第二大原因，其中60岁以上老年人占比最大。因此，对人体跌倒进行检测研究具有积极的现实意义。
[0003]近年来，对人体跌倒进行研究属于热门方向。根据检测设备的不同可分为两大类：基于可接触式装置（加速度计、压力传感器、陀螺仪等）的跌倒检测方法和基于非接触式装置（Wifi、红外阵列传感器、摄像机、雷达等）的跌倒检测方法。其中基于雷达装置的方法具备穿透性强，保护隐私、不受光线干扰的优点，逐步脱颖而出。雷达检测设备也渐渐出现在市场上，具有广阔的市场前景。
[0004]同时基于雷达装置的人体跌倒检测方法可以分为两大类：传统的机器学习方法和深度学习方法。传统机器学习检测方法是将雷达的回波数据转换为特征谱图并从中根据经验和领域知识手动提取出有效的特征，运用基于统计学理论的机器学习算法来进行跌倒动作的检测。分类精度依赖于特征提取的质量，只适用于特征的场合问题。而深度学习方法通过搭建多个隐藏层的网络模型和大量数据进行训练，自动提取深层特征并完成动作识别任务，鲁棒性和泛化能力强。
[0005]使用深度学习对雷达数据进行处理是未来，其发展仍存在一系列需要突破的瓶颈。Ma等人使用一种卷积神经网络与长短期记忆网络融合的网络，在6种动作的分类中，准确率为95%。Wang等人使用卷积+长短期记忆网络，对6种动作的分类准确率为92.65%。目前使用的神经网络主流结构为卷积神经网络与长短期记忆网络，但是卷积神经网络只能注意到局部特征而无法获取全局特征而长短期记忆网络在训练长序列的数据时训练时间过长。

技术实现思路

[0006]本专利技术主要解决的技术问题是提供一种基于雷达距离多普勒图和IR
‑
ST的人体跌倒识别方法，能够利用雷达原始信号来提取人体包括跌倒及7种日常动作的特征，设计轻量级神经网络模型（IR
‑
ST）进行动作分类，提高了居家跌倒监测系统的可靠性。
[0007]为解决上述技术问题，本专利技术提供的技术方案是：基于雷达距离多普勒图和IR
‑
ST的人体跌倒识别方法，步骤如下：步骤一：使用60GHz线性调频连续波雷达采集坐
‑
起、跳跃、静坐、踏步、下蹲、弯腰和摔倒7个动作下的雷达原始数据；步骤二：采用均值速度投影算法从原始数据中提取距离多普勒图，减少背景噪声，提取动作信息；
步骤三：设计倒残差卷积结构与窗口自注意力机制相结合的IR
‑
ST模型结合距离多普勒图进行人体动作分类；其中，步骤一，设计坐
‑
起、跳跃、静坐、踏步、下蹲、弯腰和摔倒7种动作，对每个动作采集多组原始数据，雷达通过合成器生成线性调频信号，由发射天线TX发射，该信号在一定周期内频率会从60GHz升到64GHz，称这段时间为一个啁啾周期，啁啾周期内的频率变化表达为：式中，是雷达的起始频率，是一个啁啾周期内频率增长的斜率，可由下式得到其中为雷达信号啁啾周期内的带宽，为一个啁啾周期的持续时间，通过余弦函数处理后由发射天线TX发射，当发射信号经过环境和目标反射后，由接收天线RX进行接收，接收信号频率表达为：式中，为时间延迟，表达为下式：式中，为雷达与物体之间的距离，为光速，通过混频器将信号发射信号和接收信号进行混频，输出中频信号，其将两个正弦信号和输入进混频器，中频信号为两个输入正弦信号的瞬时频率之差，中频信号可表达为下式：通过若干个啁啾周期得到的中频信号构成一个采样周期，再通过若干个采样周期组成一组原始数据；步骤二采用的均值速度投影算法从雷达的原始信号中提取距离多普勒图，均值速度投影算法由速度投影算法与均值滤波两部分组成，速度投影算法可以分为两部分：距离傅里叶变换和多普勒傅里叶变换，其纵坐标由一个采样周期构成，由于每一个扫频周期很短，可以忽略其中每一个啁啾周期中的速度信息，距离傅里叶变换指对纵坐标上的每一个啁啾周期提取频谱峰值对应的横坐标频率，即可获得目标的距离信息，距离计算公式如下式：
其中为光速，为扫频周期，为扫频带宽，为运动或静止情况下雷达差拍信号的频率，距离多普勒图的横坐标由多个采样周期构成，通过对多个啁啾周期进行多帧数据的堆积，在横坐标中，速度信息不可被忽略；多普勒傅里叶变换指对横坐标上的数据求取频率，即得多普勒频率，速度计算公式如下式：其中为多普勒频率，为啁啾周期信号的中心频率，使用速度投影算法对雷达原始信号进行重排处理，得到距离多普勒矩阵；均值滤波方法，表达为下式：其中x为多普勒矩阵中的任意一个值，X为距离多普勒矩阵，通过Average函数对距离多普勒函数求取平均值，通过函数进行判断，若x小于矩阵平均值，则x置0，反之x=x；将距离多普勒矩阵中数值大小转化为不同颜色可得到距离多普勒图，通过距离多普勒图，构建一个雷达摔倒检测数据集；步骤三中的IR
‑
ST网络构件步骤如下：第一步：将雷达距离多普勒图，经过五次倒残差卷积模块，其中使用捷径分支将第二个模块的输出与第三个输出相加，捷径分支指的是当神经网络模块的输入大小和通道数都相同时，则将模型的输入矩阵与输出矩阵相加，得到新的矩阵作为下一个模块的输入；第二步：将提取后的特征矩阵输入Patch Partion层，Patch Partion层通过卷积核将矩阵大小减少，深度提升；第三步：通过Linear Embeddemg层，Linear Embeddemg层通过卷积核对输入矩阵进行升维操作，将通道数增加；第四步：通过两次滑动自注意力机制模块；第五步：将输出经过Patch Merging层，Patch Merging层将输入大小缩小一半，通道数增加一倍；第六步：通过Adaptive Pooling层，Adaptive Pooling层通过卷积核将输入矩阵尺寸变为1
×
1大小的矩阵；第七步：通过全连接层处理后输出，全连接层：将多个卷积层合并成全连接层，全连接层的目标是将卷积层学习到的高级特征平坦化。
[0008]所述倒残差卷积模块：首先通过一个大小为逐点卷积层对输入矩阵进行升维，即增加通道数，然后通过深度卷积层进行特征提取，最后通过逐点卷积层进行降维，及减少通道数；卷积层：首先对每一个通道进行一次卷积操作，其次将处理得到的H份卷积特征矩阵进行相加变为一个通道，最后重复H+1次上述操作，可将原来H通道的图像变为H+1通道，深度卷积：该卷积层中的一个卷积核只负责一个通道，经过该层输出，图片的通道
数保持不变；逐点卷积：使用1
×
1的卷积核对输入矩阵的每一个通道进行特征提取并相加，通过改变卷积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于雷达距离多普勒图和IR
‑
ST的人体跌倒识别方法，其特征在于，步骤如下：步骤一：使用60GHz线性调频连续波雷达采集坐
‑
起、跳跃、静坐、踏步、下蹲、弯腰和摔倒7个动作下的雷达原始数据；步骤二：采用均值速度投影算法从原始数据中提取距离多普勒图，减少背景噪声，提取动作信息；步骤三：设计倒残差卷积结构与窗口自注意力机制相结合的IR
‑
ST模型结合距离多普勒图进行人体动作分类；其中，步骤一，设计坐
‑
起、跳跃、静坐、踏步、下蹲、弯腰和摔倒7种动作，对每个动作采集多组原始数据，雷达通过合成器生成线性调频信号，由发射天线TX发射，该信号在一定周期内频率会从60GHz升到64GHz，称这段时间为一个啁啾周期，啁啾周期内的频率变化表达为：式中，是雷达的起始频率，是一个啁啾周期内频率增长的斜率，由下式得到其中为雷达信号啁啾周期内的带宽，为一个啁啾周期的持续时间，通过余弦函数处理后由发射天线TX发射，当发射信号经过环境和目标反射后，由接收天线RX进行接收，接收信号频率表达为：式中，为时间延迟，表达为下式：式中，为雷达与物体之间的距离，为光速，通过混频器将信号发射信号和接收信号进行混频，输出中频信号，其将两个正弦信号和 输入进混频器，中频信号为两个输入正弦信号的瞬时频率之差，中频信号表达为下式：通过若干个啁啾周期得到的中频信号构成一个采样周期，再通过若干个采样周期组成一组原始数据；步骤二采用的均值速度投影算法从雷达的原始信号中提取距离多普勒图，均值速度投影算法由速度投影算法与均值滤波两部分组成，速度投影算法分为两部分：距离傅里叶变换和多普勒傅里叶变换，其纵坐标由一个采样周期构成，由于每一个扫频周期很短，忽略其中每一个啁啾周期中的速度信息，距离傅里
叶变换指对纵坐标上的每一个啁啾周期提取频谱峰值对应的横坐标频率，即获得目标的距离信息，距离计算公式如下式：其中为光速，为扫频周期，为扫频带宽，为运动或静止情况下雷达差拍信号的频率，距离多普勒图的横坐标由多个采样周期构成，通过对多个啁啾周期进行多帧数据的堆积；多普勒傅里叶变换指对横坐标上的数据求取频率，即得多普勒频率，速度计算公式如下式：其中为多普勒频率，为啁啾周期信号的中心频率，使用速度投影算法对雷达原始信号进行重排处理，得到距离多普勒矩阵；均值滤波方法，表达为下式：其中x为多普勒矩阵中的任意一个值，X为距离多普勒矩阵，通过Average函数对距离多普勒函数求取平均值，通过函数进行判断，若x小于矩阵平均值，则x置0，反之x=x；将距离多普勒矩阵中数值大小转化为不同颜色得到距离多普勒图，通过距离多普勒图，构建一个雷达摔倒检测数据集；步骤三中的IR
‑
ST网络构件步骤如下：第一步：将雷达距离多普勒图，经过五次倒残差卷积模块，其中使用捷径分...

【专利技术属性】
技术研发人员：陈志翔，陈凯宇，顾敏明，潘海鹏，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：