本发明专利技术涉及人工智能技术，揭露了一种基于毫米波雷达的摔倒检测方法、装置、设备及存储介质。所述方法包括：当根据毫米波雷达捕捉的用户点云图像流监控到目标用户由竖直状态转变为躺靠状态时，截取对应的状态转变点云图像流，并记录状态转变点云图像流对应的时间段节点；识别所述时间段节点内所述目标用户的身体数值变化，得到身体数值曲线集合；对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，对所述倾倒特征集合及身体特征集合进行全连接分类判断，分析所述目标用户的摔倒状态。本发明专利技术可以提高摔倒检测准确率。本发明专利技术可以提高摔倒检测准确率。本发明专利技术可以提高摔倒检测准确率。
【技术实现步骤摘要】
基于毫米波雷达的摔倒检测方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于毫米波雷达的摔倒检测方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]随着医疗技术的发展及人工智能技术的兴起，智能监控逐渐取代人工监督对用户进行监督管理，也逐渐衍生出家庭监护设备，对用户的身体健康数据、运动数据、睡眠数据等信息进行监护。此外，还可以通过摄像技术、穿戴设备等捕捉人体特征，对人的摔倒行为进行报警摔倒。
[0003]然而如今的摔倒检测主要通过姿势识别进行摔倒检测，而姿势监测具有迷惑性，例如用户自己躺下的姿势与摔倒姿势，人头晕导致晕倒的姿势与滑倒或被绊倒的姿势容易产生混淆，导致摔倒检测的摔倒类型不明确、准确率不高，常常发生误判的情况。
技术实现思路
[0004]本专利技术提供一种基于毫米波雷达的摔倒检测方法、装置、设备及存储介质，其主要目的在于通过毫米波雷达，对用户的姿势及身体数值两方面进行摔倒检测，提高摔倒检测准确率。
[0005]为实现上述目的，本专利技术提供的一种基于毫米波雷达的摔倒检测方法，包括：利用毫米波雷达捕捉目标区域内的用户点云图像，并将每个时间点获取的用户点云图像按照时间顺序存储到预设存储空间，得到点云图像流；当根据所述点云图像流监控到目标用户由竖直状态转变为躺靠状态时，从所述点云图像流中截取对应的状态转变点云图像流，并记录所述状态转变点云图像流对应的时间段节点；利用预设的身体数值采集服务，识别所述时间段节点内目标用户的身体数值变化，得到身体数值曲线集合；利用预训练的摔倒动作识别模型，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，及对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合；对所述倾倒特征集合及所述身体特征集合进行全连接分类判断，分析所述目标用户的摔倒状态。
[0006]可选的，所述利用预训练的摔倒动作识别模型，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，包括：对预设的动作特征样本进行基于失去平衡、下坠及撞击的特征工程操作，得到摔倒特征类型；利用预训练的摔倒动作识别模型中的动作识别网络，对所述状态转变点云图像流进行全身动作特征提取，得到动作特征序列集合；
根据所述摔倒特征类型，对所述动作特征序列集合中特征提取操作，得到倾倒特征集合。
[0007]可选的，所述对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合，包括：对所述身体数值曲线集合进行异常监控，获取所述所述身体数值曲线集合中的各个异常曲线及各个所述异常曲线对应的体征信息；利用所述摔倒动作识别模型中的疾病识别网络对所述各个异常曲线及各个所述异常曲线对应的体征信息进行特征提取操作，得到异常体征特征序列；利用所述摔倒动作识别模型中的多分类判断网络对所述异常体征特征序列进行疾病预测识别，判断所述目标用户是否出现应激反应或突发疾病，得到身体特征集合。
[0008]可选的，所述利用预训练的摔倒动作识别模型之前，所述方法还包括：获取包含动作识别网络、疾病识别网络及多分类判断网络的摔倒动作识别模型，及获取预构建的摔倒样本集合，并配置所述动作识别网络、疾病识别网络为辅助任务；依次从所述摔倒样本集合中提取一个目标样本，利用所述摔倒动作识别模型对所述目标样本进行网络正向预测，分别得到动作预测结果、疾病预测结果及摔倒预测结果，其中，所述摔倒预测结果包括疾病突发晕倒类型、自愿躺靠倾倒类型及意外摔倒类型；利用交叉熵损失算法，根据所述目标样本对应的真实标签，计算所述动作预测结果的第一辅助损失、所述疾病预测结果的第二辅助损失及所述摔倒预测结果的模型损失；利用梯度下降方法，根据所述第一辅助损失、第二辅助损失及模型损失，对所述摔倒动作识别模型进行网络参数逆向更新，得到更新摔倒动作识别模型；识别所述模型损失的收敛性；当所述模型损失未收敛时，返回上述依次从所述摔倒样本集合中提取一个目标样本的步骤，对所述更新摔倒动作识别模型进行迭代更新；当所述模型损失收敛时，停止训练过程，得到训练完成的摔倒动作识别模型。
[0009]可选的，所述利用预设的身体数值采集服务，识别所述时间段节点内目标用户的身体数值变化，得到身体数值曲线集合，包括：利用预设的身体数值采集服务识别所述用户点云图像中的心跳信号采集及血管脉冲波形，并根据所述心跳信号采集及血管脉冲波形进行血压模型预测，得到血压识别结果；根据所述心跳信号采集，得到心率识别结果，并识别所述用户点云图像中的体温，得到体温识别结果；根据所述时间段节点，对所述血压识别结果、心率识别结果及体温识别结果进行记录，得到身体数值曲线集合。
[0010]可选的，所述当根据所述点云图像流监控到目标用户由竖直状态转变为躺靠状态时之前，所述方法还包括：对所述目标用户的各个身体姿势的用户点云图像进行躯干回归框选，并标记被框选躯干的轴线；识别所述轴线与水平线的夹角；当所述轴线与水平线的夹角在第一预设区间内时，判定目标用户的作息状态为竖
直状态；当所述轴线与水平线的夹角在第二预设区间内时，判定目标用户的作息状态为躺靠状态中的倚靠状态；当所述轴线与水平线的夹角在第三预设区间内时，判定目标用户的作息状态为躺靠状态中的平躺状态。
[0011]可选的，所述利用毫米波雷达捕捉目标区域内的用户点云图像，包括：获取毫米波雷达扫描到的原始点云图像，并利用信号处理算法对所述原始点云图像中的伪像进行识别和去除，得到真实图像；对所述真实图像进行噪声滤波，得到降噪图像；根据预设的数据增强策略，对所述降噪图像进行去模糊及对比度增强操作，得到用户点云图像。
[0012]为了解决上述问题，本专利技术还提供一种基于毫米波雷达的摔倒检测装置，所述装置包括：状态监测模块，用于利用毫米波雷达捕捉目标区域内的用户点云图像，并将每个时间点获取的用户点云图像按照时间顺序存储到预设存储空间，得到点云图像流；数据获取模块，用于当根据所述点云图像流监控到目标用户由竖直状态转变为躺靠状态时，从所述点云图像流中截取对应的状态转变点云图像流，并记录所述状态转变点云图像流对应的时间段节点，及利用预设的身体数值采集服务，识别所述时间段节点内目标用户的身体数值变化，得到身体数值曲线集合；特征提取模块，用于利用预训练的摔倒动作识别模型，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，及对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合；摔倒判断模块，用于对所述倾倒特征集合及所述身体特征集合进行全连接分类判断，分析所述目标用户的摔倒状态。
[0013]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器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，以使所述至少一个处理器能够执行上述所述的基于毫米波雷达的摔倒检测方法。
[0014]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，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摔倒检测方法，其特征在于，所述方法包括：利用毫米波雷达捕捉目标区域内的用户点云图像，并将每个时间点获取的用户点云图像按照时间顺序存储到预设存储空间，得到点云图像流；当根据所述点云图像流监控到目标用户由竖直状态转变为躺靠状态时，从所述点云图像流中截取对应的状态转变点云图像流，并记录所述状态转变点云图像流对应的时间段节点；利用预设的身体数值采集服务，识别所述时间段节点内目标用户的身体数值变化，得到身体数值曲线集合；利用预训练的摔倒动作识别模型，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，及对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合；对所述倾倒特征集合及所述身体特征集合进行全连接分类判断，分析所述目标用户的摔倒状态。2.如权利要求1所述的基于毫米波雷达的摔倒检测方法，其特征在于，所述利用预训练的摔倒动作识别模型，对所述状态转变点云图像流进行倾倒动作特征识别，得到倾倒特征集合，包括：对预设的动作特征样本进行基于失去平衡、下坠及撞击的特征工程操作，得到摔倒特征类型；利用预训练的摔倒动作识别模型中的动作识别网络，对所述状态转变点云图像流进行全身动作特征提取，得到动作特征序列集合；根据所述摔倒特征类型，对所述动作特征序列集合中特征提取操作，得到倾倒特征集合。3.如权利要求1所述的基于毫米波雷达的摔倒检测方法，其特征在于，所述对所述身体数值曲线集合进行基于应激反应与疾病的身体特征识别，得到身体特征集合，包括：对所述身体数值曲线集合进行异常监控，获取所述所述身体数值曲线集合中的各个异常曲线及各个所述异常曲线对应的体征信息；利用所述摔倒动作识别模型中的疾病识别网络对所述各个异常曲线及各个所述异常曲线对应的体征信息进行特征提取操作，得到异常体征特征序列；利用所述摔倒动作识别模型中的多分类判断网络对所述异常体征特征序列进行疾病预测识别，判断所述目标用户是否出现应激反应或突发疾病，得到身体特征集合。4.如权利要求1所述的基于毫米波雷达的摔倒检测方法，其特征在于，所述利用预训练的摔倒动作识别模型之前，所述方法还包括：获取包含动作识别网络、疾病识别网络及多分类判断网络的摔倒动作识别模型，及获取预构建的摔倒样本集合，并配置所述动作识别网络、疾病识别网络为辅助任务；依次从所述摔倒样本集合中提取一个目标样本，利用所述摔倒动作识别模型对所述目标样本进行网络正向预测，分别得到动作预测结果、疾病预测结果及摔倒预测结果，其中，所述摔倒预测结果包括疾病突发晕倒类型、自愿躺靠倾倒类型及意外摔倒类型；利用交叉熵损失算法，根据所述目标样本对应的真实标签，计算所述动作预测结果的第一辅助损失、所述疾病预测结果的第二辅助损失及所述摔倒预测结果的模型损失；
利用梯度下降方法，根据所述第一辅助损失、第二辅助损失及模型损失，对所述摔倒动作识别模型进行网络参数逆向更新，得到更新摔倒动作识别模型；识别所述模型损失的收敛性；当所述模型损失未收敛时，返回上述依次从所述摔倒样本集合中提取一个目标样本的步骤，对所述更新摔倒动作识别模型进行迭代更新；当所述模型损失收敛时，停止训练过程，得到训练完...
【专利技术属性】
技术研发人员：谢俊，
申请(专利权)人：亿慧云智能科技深圳股份有限公司，
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。