基于雷达的姿态识别方法、电子设备及存储介质技术

本申请提供一种基于雷达的姿态识别方法、电子设备及存储介质，该方法包括：获取雷达采集的M帧点云数据；在点云数据满足点云数据选取规则时，根据点云数据选取规则确定N帧目标点云数据，其中M大于或等于N；根据N帧目标点云数据生成单帧点云数据样本；根据单帧点云数据样本对姿态进行识别，得到第一姿态识别结果。本申请通过N帧目标点云数据生成单帧点云数据样本，N帧目标点云数据通过原始点云数据中根据预设规则筛选得到，不仅扩大了在进行姿态识别时的点云数据的数据量，并且多帧点云数据合成后将点云数据样本当成一帧点云数据进行姿态识别，使得有效的人体姿态识别信息聚集于点云数据样本中，以此增加了姿态识别的准确度。以此增加了姿态识别的准确度。以此增加了姿态识别的准确度。

【技术实现步骤摘要】
基于雷达的姿态识别方法、电子设备及存储介质


[0001]本申请涉及雷达
，更具体地，涉及基于雷达的姿态识别方法、电子设备及存储介质。

技术介绍

[0002]随着社会人口老龄化加剧以及住院病患看护需要，需要时刻对老人或病患进行监控，以免老人或病患发生意外时无法及时发出求救信号从而延误救援时机，导致意外伤害甚至是死亡。
[0003]目前一般都采用摄像头对人员进行监控，但摄像头存在隐私泄露的风险，且易受光线，阴影等环境因素影响，无光或强光条件下工作效果不佳。雷达通过回波成像，无法获取目标的细致外形特征，能有效保护隐私，并且不易受环境因素影响，通过雷达识别老人或病患的姿态，可以很好地识别老人或病患的状态，在发生危险时及时提供救援，但是通过雷达进行姿态识别,获取的只是检测目标的坐标数据，然后对检测目标的运动轨迹进行预测或估算是实现姿态识别，但雷达获取数据分辨率较低，尤其是对小尺寸目标和细微动作的识别，这虽然保护了隐私，但也导致识别的精度不高，另外，环境干扰，目标和背景混同，以及背景中的非人体数据的移动等也会导致无效干扰数据很多，导致人体姿态识别的准确度较低。

技术实现思路

[0004]鉴于上述问题，本申请提出了一种基于雷达的姿态识别方法、电子设备及存储介质，以改善上述问题。
[0005]第一方面，本申请实施例提供了一种基于雷达的姿态识别方法，方法包括：获取雷达采集的M帧点云数据；在点云数据满足点云数据选取规则时，根据点云数据选取规则确定N帧目标点云数据，其中M大于或等于N；根据N帧目标点云数据生成单帧点云数据样本；根据单帧点云数据样本对姿态进行识别，得到第一姿态识别结果。
[0006]在一些实施方式中，每帧点云数据中包括至少一个子点云数据，每个子点云数据还包括Z轴高度，方法还包括：根据预设聚类算法和N帧目标点云数据确定每帧目标点云数据对应的聚类中心；根据预设处理规则和每帧目标点云数据对应的聚类中心，确定每帧目标点云数据对应的Z轴最小高度；根据每帧目标点云数据对应的Z轴最小高度得到第二姿态识别结果；根据第一姿态识别结果和第二姿态识别结果确定最终姿态识别结果。
[0007]在一些实施方式中，根据每帧目标点云数据对应的Z轴最小高度得到第二姿态识别结果，包括：将每帧目标点云数据对应的Z轴最小高度输入训练好的决策树模型，得到多个第二姿态子识别结果；其中，每帧目标点云数据对应一个第二姿态子识别结果；根据多个第二姿态子识别结果确定第二姿态识别结果。
[0008]在一些实施方式中，每帧点云数据中包括至少一个子点云数据；根据N帧目标点云数据生成单帧点云数据样本，包括：根据所有目标点云数据中的子点云数据生成单帧第一
点云数据样本；在第一点云数据样本中的子点云数据的数量小于预设数量时，通过第一预设规则将第一点云数据样本中的子点云数据的数量补充至预设数量，以生成单帧第二点云数据样本；在第一点云数据样本中的子点云数据的数量大于预设数量时，通过第二预设规则将第一点云数据样本中的子点云数据的数量缩减至预设数量，以生成单帧第三点云数据样本；根据单帧点云数据样本对姿态进行识别，得到第一姿态识别结果，包括：根据单帧第二点云数据样本或者单帧第三点云数据样本对姿态进行识别，得到第一姿态识别结果。
[0009]在一些实施方式中，子点云数据包括速度信息以及加速度信息，在根据所有目标点云数据中的子点云数据生成单帧第一点云数据样本之前，方法还包括：将速度信息不满足第一预设条件，和/或加速度信息不满足第二预设条件的子点云数据从目标点云数据中剔除。
[0010]在一些实施方式中，每个子点云数据还包括对应的标签，在根据所有目标点云数据中的子点云数据生成单帧第一点云数据样本之前，方法还包括：将标签不为预设标签的子点云数据从目标点云数据中剔除。
[0011]在一些实施方式中，在获取雷达采集的M帧点云数据之前，方法还包括：获取雷达的预设工作区域，预设工作角度以及预设工作高度，并根据预设工作区域，预设工作角度以及预设工作高度生成配置文件；向雷达发送配置文件，以使雷达根据预设工作区域，预设工作角度以及预设工作高度进行工作。
[0012]在一些实施方式中，在获取雷达采集的M帧点云数据之后，方法还包括：根据配置文件将M帧点云数据进行坐标系转换，以将雷达坐标系中的点云数据转换为世界坐标系中的点云数据。
[0013]第二方面，本申请实施例还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面的基于雷达的姿态识别方法。
[0014]第三方面，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使电子设备能够执行如第一方面的基于雷达的姿态识别方法。
[0015]本申请提供一种基于雷达的姿态识别方法、电子设备及存储介质，该方法包括：获取雷达采集的M帧点云数据；在点云数据满足点云数据选取规则时，根据点云数据选取规则确定N帧目标点云数据，其中M大于或等于N；根据N帧目标点云数据生成单帧点云数据样本；根据单帧点云数据样本对姿态进行识别，得到第一姿态识别结果。本申请通过N帧目标点云数据生成单帧点云数据样本，根据单帧点云数据样本对姿态进行识别，单帧点云数据样本通过N帧目标点云数据生成，其中N帧目标点云数据通过原始点云数据中根据预设规则筛选得到，不仅扩大了在进行姿态识别时的点云数据的数据量，并且多帧点云数据合成后将点云数据样本当成一帧点云数据进行姿态识别，使得根据预设的规则筛选后N帧目标点云数据中，有效的人体姿态识别信息聚集于点云数据样本中，以此增加了姿态识别的准确度。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例及附图，都属于本专利技术保护的范围。
[0017]图1是本申请实施例提供的一种基于雷达的姿态识别方法的流程示意图。
[0018]图2是本申请实施例提供的点云数据转换的示意图。
[0019]图3是本申请实施例提供的一种基于雷达的姿态识别方法的又一流程示意图。
[0020]图4是本申请实施例提供的Z轴最小高度的确定过程示意图。
[0021]图5是本申请实施例提供的一种基于雷达的姿态识别装置的结构示意图。
[0022]图6是本申请实施例提供的一种电子设备的结构示意图。
[0023]图7是本申请实施例提供的一种计算机可读存储介质的结构框图。
具体实施方式
[0024]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于雷达的姿态识别方法，其特征在于，所述方法包括：获取雷达采集的M帧点云数据；在所述点云数据满足所述点云数据选取规则时，根据所述点云数据选取规则确定N帧目标点云数据，其中M大于或等于N；根据所述N帧目标点云数据生成单帧点云数据样本；根据所述单帧点云数据样本对姿态进行识别，得到第一姿态识别结果。2.根据权利要求1所述的方法，其特征在于，每帧点云数据中包括至少一个子点云数据，每个所述子点云数据还包括Z轴高度，所述方法还包括：根据预设聚类算法和所述N帧目标点云数据确定每帧目标点云数据对应的聚类中心；根据预设处理规则和每帧目标点云数据对应的聚类中心，确定每帧目标点云数据对应的Z轴最小高度；根据所述每帧目标点云数据对应的Z轴最小高度得到第二姿态识别结果；根据所述第一姿态识别结果和所述第二姿态识别结果确定最终姿态识别结果。3.根据权利要求2所述的方法，其特征在于，所述根据每帧所述目标点云数据对应的Z轴最小高度得到第二姿态识别结果，包括：将所述每帧目标点云数据对应的Z轴最小高度输入训练好的决策树模型，得到多个第二姿态子识别结果；其中，每帧所述目标点云数据对应一个所述第二姿态子识别结果；根据所述多个第二姿态子识别结果确定第二姿态识别结果。4.根据权利要求1所述的方法，其特征在于，每帧点云数据中包括至少一个子点云数据；所述根据所述N帧目标点云数据生成单帧点云数据样本，包括：根据所有所述目标点云数据中的子点云数据生成单帧第一点云数据样本；在所述第一点云数据样本中的子点云数据的数量小于预设数量时，通过第一预设规则将所述第一点云数据样本中的子点云数据的数量补充至预设数量，以生成单帧第二点云数据样本；在所述第一点云数据样本中的子点云数据的数量大于预设数量时，通过第二预设规则将所述第一点云数据样本中的子点云数据的数量缩减至预设数量，以生成单帧第三点云数据样本；所述根据所述单帧点云数据样本对姿态进行识别，得到第一姿态识别结果，包括：根据所...

【专利技术属性】
技术研发人员：陈子宸，王亿豪，
申请(专利权)人：深圳诺博医疗科技有限公司，
类型：发明
国别省市：