【技术实现步骤摘要】
一种基于毫米波雷达的人员智能化监测方法及相关设备
[0001]本专利技术涉及护理监测
，具体涉及一种基于毫米波雷达的人员智能化监测方法及相关设备。
技术介绍
[0002]当前社会老龄化趋势加剧，老龄人口数量不断增加，以及传染病的影响，导致医疗资源紧缺，增加人员监护的压力，因此需要监护设备在日常生活中能够实现对人员的实时监测。
[0003]传统的解决方案，如依赖于可穿戴传感器，比如智能手环、睡眠带等，属于接触式测量，可实现生命体征信息的测量，但佩戴不舒适，容易对日常生活造成不便。另一类借助摄像头的解决方案，可实现人员的位置监测和姿态识别，但是需要良好的光照条件、视距条件，不能全天候的工作，并且存在隐私泄露的风险，不具备稳定的工作性能。
[0004]然而，由于毫米波技术的发展，毫米波雷达的尺寸能够做得比较小，并且成本不断降低，具有很高的民用价值，所以，基于毫米波雷达的监测设备有望成为新的解决方案，具备较大应用前景。毫米波雷达不仅可以获取人员的位置、运动轨迹，同时可以对人员进行生命体征信息监测和姿态识别，并且...
【技术保护点】
【技术特征摘要】
1.一种基于毫米波雷达的人员智能化监测方法，其特征在于，包括：发射毫米波信号并接收雷达原始回波数据；根据所述雷达原始回波数据进行预处理得到目标人体的时域特征信息；根据所述时域特征信息并采用深度学习方法处理得到目标人体的监测信息，所述监测信息至少包括人员个数、位置、运动轨迹、生命体征信息以及姿态识别信息；根据所述监测信息生成对应的报警信息和控制指令，所述报警信息发送至设定人群，所述控制指令发送至设定家电设备。2.根据权利要求1所述的基于毫米波雷达的人员智能化监测方法，其特征在于，预处理得到目标人体的时域特征信息，具体包括步骤：对原始回波数据的矩阵进行静态杂波滤除，其中，对原始回波数据逐帧在慢时间维度累加求和再求平均得到平均回波信号，然后逐帧减去平均回波信号来抑制静止杂波；对去除杂波后的回波数据矩阵R(m，n)沿慢时间维进行短时傅里叶变换，得到微多普勒特征矩阵W(m，n)；对去除杂波后回波数据矩阵R(m，n)沿快时间维进行距离快速傅里叶变换，得到距离
‑
时间特征矩阵D(m，n)；对距离
‑
时间特征矩阵D(m，n)沿慢时间维进行多普勒快速傅里叶变换，得到距离
‑
多普勒特征矩阵V(m，n)；对距离
‑
多普勒特征矩阵V(m，n)进行角度快速傅里叶变换，得到方位角
‑
时间特征矩阵A(m，n)。3.根据权利要求2所述的基于毫米波雷达的人员智能化监测方法，其特征在于，所述短时傅里叶变换，包括：对去除杂波后的回波数据的矩阵R(m，n)第m行沿慢时间维度进行短时傅里叶变换：式中，k为多普勒频率索引，p为窗函数移动步数索引，U为窗函数移动步长，H为窗函数的长度，w(
·
)为凯泽窗函数；再将各行的短时傅里叶变换结果进行累加得到微多普勒特征矩阵W(m，n)：4.根据权利要求2所述的基于毫米波雷达的人员智能化监测方法，其特征在于，根据所述时域特征信息生成距离图像、距离
‑
方位角图像和微多普勒图像；将所述距离
‑
方位角图像输入深度学习模型进行处理，根据图像检测结果，确定目标人员的个数、位置以及运动轨迹；对所述距离图像和所述微多普勒图像进行特征提取和特征融合得到融合图像，再将所述融合图像输入深度学习模型进行处理得到姿态识别信息；根据所述距离
‑
多普勒特征矩阵V(m，n)确定人体与雷达的距离，再依次进行相位提取、ICEEMDAN分解、带通滤波以及频谱估计得到生命体征信息。5.根据权利要求2所述的基于毫米波雷达的人员智能化监测方法，其特征在于，获取所述目标人员的个数、位置以及运动轨迹，具体包括步骤：将距离
‑
方位角图像输入深度学习模型，同时将距离
‑
方位角图像划分为224
×
224的网
格；当目标人员落在某个网格上时，确定检测到该网格中的目标；设置检测阈值，其中，当目标小于阈值，则视为噪声或者干扰；当目标大于阈值，则视为目标人员；统计目标人员的个数，计算目标人员网格的中心点坐标，并将中心点坐标转换为二维位置坐标；利用联合概率数据关联算法，对二维位置坐标进行关联和匹配，不断更新目标人员所在的位置，获取对应的目标人员的运动轨迹。6.根据权利要求4所述的基于毫米波雷达的人员智能化监测方法，其...
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。