本申请涉及信号处理技术领域，提出一种动作检测方法、装置、终端设备和存储介质。该动作检测方法包括：获取目标对象所处的目标区域的雷达反射信号；根据所述雷达反射信号构建目标信号图像，所述目标信号图像用于表示所述目标区域的指定雷达参数与时间的关系；对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点；根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测。上述过程中采集的是雷达数据，故可以有效保护目标对象的隐私安全；而且，在获取到目标信号图像后会执行滤波处理以去除图像中包含的离群值和噪声点，能够提高动作检测的准确率。率。率。
【技术实现步骤摘要】
一种动作检测方法、装置、终端设备和存储介质
[0001]本申请涉及信号处理
，尤其涉及一种动作检测方法、装置、终端设备和存储介质。
技术介绍
[0002]对于独居的老年人来说，若其发生跌倒事故，则可能由于无法获得及时的救助而产生严重的后果。由此可见，当老年人跌倒后进行及时、准确的警报和救助具有重要的意义。传统的跌倒检测方法主要基于视频监控，然而采用视频监控的方法会受到图像清晰度、光线强弱等因素的影响，而且也无法保护所要监护的老年人的隐私安全。
技术实现思路
[0003]有鉴于此，本申请实施例提供了一种动作检测方法、装置、终端设备和存储介质，能够较为准确地检测出目标对象是否发生了跌倒等指定动作，且能够保护目标对象的隐私安全。
[0004]本申请实施例的第一方面提供了一种动作检测方法，包括：
[0005]获取目标对象所处的目标区域的雷达反射信号；
[0006]根据所述雷达反射信号构建目标信号图像，所述目标信号图像用于表示所述目标区域的指定雷达参数与时间的关系；
[0007]对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点；
[0008]根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测。
[0009]在本申请实施例中，首先，获取目标对象所处区域的雷达反射信号，通过该雷达反射信号构建出目标信号图像；然后，对目标信号图像执行滤波处理，从而去除目标信号图像包含的离群值和噪声点等干扰；最后，根据滤波处理后的目标信号图像，完成针对目标对象的动作检测，例如可以训练一个机器学习模型作为分类器，将滤波处理后的目标信号图像输入至该分类器以判别目标对象是否发生跌倒等指定动作。上述过程中采集的是雷达数据，故可以有效保护目标对象的隐私安全；而且，在获取到目标信号图像后会执行滤波处理以去除图像中包含的离群值和噪声点，能够提高动作检测的准确率。
[0010]在本申请实施例的一种实现方式中，所述对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点，可以包括：
[0011]检测所述目标信号图像中的高能量区域，所述高能量区域为所述目标信号图像中与所述指定雷达参数对应的能量大于目标能量阈值的区域；
[0012]对所述目标信号图像执行滤波处理，以去除所述目标信号图像中处于所述高能量区域之外的离群值和噪声点。
[0013]进一步的，所述检测所述目标信号图像中的高能量区域，可以包括：
[0014]将所述目标信号图像转换为目标信号矩阵；
[0015]计算与所述目标信号矩阵对应的能量密度矩阵，所述能量密度矩阵包含的元素为所述目标信号矩阵包含的元素对应的能量值；
[0016]根据所述能量密度矩阵计算得到所述目标能量阈值；
[0017]将所述能量密度矩阵中能量值大于所述目标能量阈值的元素所处的区域，确定为所述高能量区域；
[0018]所述对所述目标信号图像执行滤波处理，以去除所述目标信号图像中处于所述高能量区域之外的离群值和噪声点，可以包括：
[0019]提取所述高能量区域的第一轮廓向量和第二轮廓向量；其中，所述第一轮廓向量为所述高能量区域中每一列对应的最大行标号所构成的向量，所述第二轮廓向量为所述高能量区域中每一列对应的最小行标号所构成的向量；
[0020]针对所述能量密度矩阵中的每一列，将该列中行标号大于第一行标号的元素以及该列中行标号小于第二行标号的元素设置为指定数值，得到滤波处理后的所述能量密度矩阵；其中，所述第一行标号为所述第一轮廓向量具有的与该列对应的最大行标号，所述第二行标号为所述第二轮廓向量具有的与该列对应的最小行标号。
[0021]更进一步的，在提取所述高能量区域的第一轮廓向量和第二轮廓向量之后，还可以包括：
[0022]分别对所述第一轮廓向量和所述第二轮廓向量执行滤波处理，以去除所述第一轮廓向量包含的离群值以及所述第二轮廓向量包含的离群值。
[0023]更进一步的，所述根据所述能量密度矩阵计算得到所述目标能量阈值，可以包括：
[0024]计算所述能量密度矩阵包含的元素的最大值和平均值；
[0025]根据预设的权重系数、所述最大值和所述平均值，计算得到所述目标能量阈值。
[0026]在本申请实施例的一种实现方式中，所述根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测，可以包括：
[0027]将滤波处理后的所述能量密度矩阵输入已训练的第一分类网络进行处理，并根据所述第一分类网络的分类结果确定所述目标对象是否发生指定动作；其中，所述第一分类网络为以第一样本数据作为训练集训练获得的神经网络，所述第一样本数据为预采集的带有预设动作标签的样本能量密度矩阵数据。
[0028]在本申请实施例的另一种实现方式中，所述目标信号图像为多普勒频率
‑
时间图，所述多普勒频率
‑
时间图用于表示所述目标区域内各个雷达信号采样点的多普勒频率与时间的关系，所述根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测，可以包括：
[0029]根据所述第一轮廓向量、所述第二轮廓向量和所述目标信号矩阵，计算得到所述高能量区域的能量爆发曲线；
[0030]根据所述雷达反射信号构建所述目标区域的距离
‑
时间图，所述距离
‑
时间图用于表示所述目标区域内各个雷达信号采样点的距离与时间的关系；
[0031]将所述距离
‑
时间图转换为距离信号矩阵；
[0032]采用与获取所述目标信号矩阵对应的所述第一轮廓向量相同的方法，获取与所述距离信号矩阵对应的第三轮廓向量；
[0033]将所述第一轮廓向量、所述第二轮廓向量、所述第三轮廓向量和所述能量爆发曲
线输入已训练的第二分类网络进行处理，并根据所述第二分类网络的分类结果确定所述目标对象是否发生指定动作；其中，所述第二分类网络为以第二样本数据作为训练集训练获得的神经网络，所述第二样本数据为预采集的带有预设动作标签的样本轮廓向量数据以及样本能量爆发曲线数据。
[0034]本申请实施例的第二方面提供了一种动作检测装置，包括：
[0035]雷达信号获取模块，用于获取目标对象所处的目标区域的雷达反射信号；
[0036]信号图像构建模块，用于根据所述雷达反射信号构建目标信号图像，所述目标信号图像用于表示所述目标区域的指定雷达参数与时间的关系；
[0037]信号图像滤波模块，用于对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点；
[0038]动作检测模块，用于根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测。
[0039]本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例的第一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种动作检测方法，其特征在于，包括：获取目标对象所处的目标区域的雷达反射信号；根据所述雷达反射信号构建目标信号图像，所述目标信号图像用于表示所述目标区域的指定雷达参数与时间的关系；对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点；根据滤波处理后的所述目标信号图像，完成对所述目标对象的动作检测。2.如权利要求1所述的方法，其特征在于，所述对所述目标信号图像执行滤波处理，以去除所述目标信号图像中的离群值和噪声点，包括：检测所述目标信号图像中的高能量区域，所述高能量区域为所述目标信号图像中与所述指定雷达参数对应的能量大于目标能量阈值的区域；对所述目标信号图像执行滤波处理，以去除所述目标信号图像中处于所述高能量区域之外的离群值和噪声点。3.如权利要求2所述的方法，其特征在于，所述检测所述目标信号图像中的高能量区域，包括：将所述目标信号图像转换为目标信号矩阵；计算与所述目标信号矩阵对应的能量密度矩阵，所述能量密度矩阵包含的元素为所述目标信号矩阵包含的元素对应的能量值；根据所述能量密度矩阵计算得到所述目标能量阈值；将所述能量密度矩阵中能量值大于所述目标能量阈值的元素所处的区域，确定为所述高能量区域；所述对所述目标信号图像执行滤波处理，以去除所述目标信号图像中处于所述高能量区域之外的离群值和噪声点，包括：提取所述高能量区域的第一轮廓向量和第二轮廓向量；其中，所述第一轮廓向量为所述高能量区域中每一列对应的最大行标号所构成的向量，所述第二轮廓向量为所述高能量区域中每一列对应的最小行标号所构成的向量；针对所述能量密度矩阵中的每一列，将该列中行标号大于第一行标号的元素以及该列中行标号小于第二行标号的元素设置为指定数值，得到滤波处理后的所述能量密度矩阵；其中，所述第一行标号为所述第一轮廓向量具有的与该列对应的最大行标号，所述第二行标号为所述第二轮廓向量具有的与该列对应的最小行标号。4.如权利要求3所述的方法，其特征在于，在提取所述高能量区域的第一轮廓向量和第二轮廓向量之后，还包括：分别对所述第一轮廓向量和所述第二轮廓向量执行滤波处理，以去除所述第一轮廓向量包含的离群值以及所述第二轮廓向量包含的离群值。5.如权利要求3所述的方法，其特征在于，所述根据所述能量密度矩阵计算得到所述目标能量阈值，包括：计算所述能量密度矩阵包含的元素的最大值和平均值；根据预设的权重系数、所述最大值和所述平均值，计算得到所述目标能量阈值。6.如权利要求3至5中任一项所述的方法，其特征在于，所述根据滤波处理后的所述目标信号图像，完成对所...
【专利技术属性】
技术研发人员：王博，郑植，郭永新，
申请(专利权)人：苏州工业园区新国大研究院，
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。