一种基于毫米波雷达的实时人体紧密边界检测方法技术

本发明专利技术提供了一种基于毫米波雷达的实时人体紧密边界检测方法。该方法包括：利用多发多收毫米波雷达实时向待检测目标人物发射雷达信号，收集待检测目标人物反射回来的时域信号，并根据预设的信号时空转换规则，将时域信号对应到空间维度，得到具有距离信息、角度信息和信号强度信息的二维热图；利用与多发多收毫米波雷达时间同步的图像采集系统获取待检测目标人物的人体边框；利用带有真值标签的二维热图样本和带有真值标签的人体边框样本训练跌倒检测模型，得到训练完成的跌倒检测模型；根据预设判定条件，利用训练完成的跌倒检测模型处理具有距离信息、角度信息和信号强度信息的二维热图和人体边框，得到待检测目标人物的跌倒检测结果。物的跌倒检测结果。物的跌倒检测结果。

【技术实现步骤摘要】
一种基于毫米波雷达的实时人体紧密边界检测方法


[0001]本专利技术涉及无线人体智能感知领域，特别涉及一种基于毫米波雷达的实时人体紧密边界检测方法、电子设备以及存储介质。

技术介绍

[0002]随着社会的发展，老年人等人群的医疗保健问题越来越受到关注。其中，意外摔倒成为老年人安全的主要威胁。现有的基于可穿戴设备与摄像头的系统跌倒检测系统存在以下一个或多个技术问题：频繁更换电池、佩戴者不适、成本高、设置复杂、家具遮挡、隐私泄露等。同时，其他基于无线技术的跌倒检测方法无法对目标人物做出实时状态的检测，对动作判断的精细度较低，同时由于技术方案复杂也妨碍了在现实场景中的部署。

技术实现思路

[0003]鉴于上述问题，本专利技术提供了一种基于毫米波雷达的实时人体紧密边界检测方法，以期至少能够解决上述问题之一。
[0004]根据本专利技术的第一个方面，提供了一种基于毫米波雷达的实时人体紧密边界检测方法，包括：利用多发多收毫米波雷达实时向待检测目标人物发射雷达信号，收集待检测目标人物反射回来的时域信号，并根据预设的信号时空转换规则，将时域信号对应到空间维度，得到具有距离信息、角度信息和信号强度信息的二维热图；利用与多发多收毫米波雷达时间同步的图像采集系统获取待检测目标人物的人体边框，其中，每时刻的人体边框与每帧二维热图相对应并表示待检测目标人物的紧密边界；利用带有真值标签的二维热图样本和带有真值标签的人体边框样本训练跌倒检测模型，得到训练完成的跌倒检测模型；根据预设判定条件，利用训练完成的跌倒检测模型处理具有距离信息、角度信息和信号强度信息的二维热图和人体边框，得到待检测目标人物的跌倒检测结果。
[0005]根据本专利技术的实施例，上述预设的信号时空转换规则由公式（1）表示：（1），其中，表示待检测目标人物的三维坐标，表示二维热图，代表多发多收毫米波雷达在第根虚拟天线的第个扫描在时间的信号，是第个信号的波长，表示信号的往返距离。
[0006]根据本专利技术的实施例，上述利用多发多收毫米波雷达所获取的二维热图样本以及与多发多收毫米波雷达时间同步的图像采集系统所获取的带有真值的人体边框样本训练跌倒检测模型，得到训练完成的跌倒检测模型包括：
利用多发多收毫米波雷达实时向样本人体发射雷达信号，收集样本人体反射回来的时域信号，并将时域信号对应到空间维度，得到具有真值标签的二维热图样本；利用与多发多收毫米波雷达时间同步的图像采集系统获取样本人体的带有真值标签的人体边框以表示样本人体的紧密边界；利用跌倒检测模型处理二维热图样本和人体边框，得到模型的输出结果；利用预设的损失函数处理模型的输出结果、二维热图的真值标签以及人体边框的真值标签，得到损失值；根据损失值，对跌倒检测模型进行参数优化和更新，并迭代进行模型处理操作、损失值计算操作以及模型参数优化和更新操作，直到满足预设训练条件，得到训练完成的跌倒检测模型。
[0007]根据本专利技术的实施例，上述跌倒检测模型包括由多层卷积神经网络构成的编码器和由多层全连接层构成的解码器。
[0008]根据本专利技术的实施例，上述预设的损失函数包括基于三维的完全交并比损失函数、绝对位置损失函数以及长宽高比例损失函数。
[0009]根据本专利技术的实施例，上述预设的损失函数由公式（2）表示：（2），其中，表示人体边框的中心点，表示长宽比的反正切值，表示预设的平衡参数，表示人体边框的中心点，表示欧几里得距离，表示预测的人体边框与人体边框的最小围框的对角线长度。
[0010]根据本专利技术的实施例，上述长宽比的反正切值由公式（3）表示：（3），其中，表示预测的人体边框的边框长度，表示预测的人体边框的边框长宽度，表示预测的人体边框的边框高度，表示人体边框的边框长度，表示人体边框的边框长宽度，表示人体边框的边框高度。
[0011]根据本专利技术的实施例，上述预设判定条件包括基于人体边框的高度信息、人体边框的变化速度信息以及人体边框的边长比值进行判断。
[0012]根据本专利技术的第二个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行基于毫米波雷达的实时人体紧密边界检测方法。
[0013]根据本专利技术的第三个方面，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行基于毫米波雷达的实时人体紧密边界检测方法。
[0014]本专利技术提供的上述基于毫米波雷达的实时人体紧密边界检测方法，通过将多发多收毫米波雷达与图像采集系统相结合，实时获取待检测目标人物的空间姿态信息，并利用基于深度学习神经网络的跌倒检测模型对实时获取的待检测目标人物的空间姿态信息进行处理，可以实时对待检测目标人物进行跌倒检测，大大提高了跌倒检测的精准度，并降低了跌倒检测的复杂度。
附图说明
[0015]图1是根据本专利技术实施例的基于毫米波雷达的实时人体紧密边界检测方法的流程图；图2是根据本专利技术实施例的得到训练完成的跌倒检测模型的流程图；图3（a）是根据本专利技术实施例的损失函数的图形化示意图；图3（b）是根据专利技术实施例的交并比计算示意图；图4是根据本专利技术实施例的待检测目标人物处于站立状态下的实验示意图；图5是本专利技术实施例的在待检测目标人物处于站立状态下时人体边框真值和其所对应的二维热图；图6是根据本专利技术实施例的待检测目标人物处于跌倒状态下的实验示意图；图7是本专利技术实施例的在待检测目标人物处于跌倒状态下时人体边框真值和其所对应的二维热图；图8是根据本专利技术实施例的在跌倒检测过程中人体边框高度、人体边框边长比以及人体边框变化速度的时序变化图；图9示意性示出了根据本专利技术实施例的适于实现基于毫米波雷达的实时人体紧密边界检测方法的电子设备的方框图。
具体实施方式
[0016]为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术作进一步的详细说明。
[0017]为了解决现有人体跌倒检测技术方案存在的诸多技术问题，本专利技术通过深度学习雷达信号获得与人体的紧密边框，并通过人体的紧密边框判断跌倒的发生，达到细粒度，高精度，低复杂度的检测目的。并且可以对人体的位置与边框进行实时的追踪，获得人体持续的状态序列。
[0018]需要特别说的是，在本专利技术所公开的技术方案，所涉及的人体数据的获取得到了相关当事方的授权，并在相关当事方的许可下，对上述数据进行处理、应用和存储，相关过程符合法律法规的规定，采取了必要和可靠的保密措施，符合公序良俗的要求。
[0019]图1是根据本专利技术实施例的基于毫米波雷达的实时人体紧密边界检测方法的流程图。
[0020]如图1所示，上述基于毫米波雷达的实时人体紧密边界检测方法包括操作S110~操作S140。
[0021]在操作S110，利用多发多收毫米波雷达实时向待检测目标人物发射雷达信号，收集待检测目标人物反射回来的时域信号，并根据预设的信号时空转换规则，将时域信号对
应到空间维度，得到具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的实时人体紧密边界检测方法，其特征在于，包括：利用多发多收毫米波雷达实时向待检测目标人物发射雷达信号，收集所述待检测目标人物反射回来的时域信号，并根据预设的信号时空转换规则，将所述时域信号对应到空间维度，得到具有距离信息、角度信息和信号强度信息的二维热图；利用与所述多发多收毫米波雷达时间同步的图像采集系统获取所述待检测目标人物的人体边框，其中，每时刻的所述人体边框与每帧所述二维热图相对应并表示所述待检测目标人物的紧密边界；利用带有真值标签的二维热图样本和带有真值标签的人体边框样本训练跌倒检测模型，得到训练完成的跌倒检测模型；根据预设判定条件，利用所述训练完成的跌倒检测模型处理所述具有距离信息、角度信息和信号强度信息的二维热图和所述人体边框，得到所述待检测目标人物的跌倒检测结果。2.根据权利要求1所述的方法，其特征在于，所述预设的信号时空转换规则由公式（1）表示：（1），其中，表示所述待检测目标人物的三维坐标，表示所述二维热图，代表所述多发多收毫米波雷达在第根虚拟天线的第个扫描在时间的信号，是第个信号的波长，表示信号的往返距离。3.根据权利要求1所述的方法，其特征在于，利用所述多发多收毫米波雷达所获取的二维热图样本以及与所述多发多收毫米波雷达时间同步的图像采集系统所获取的带有真值的人体边框样本训练跌倒检测模型，得到训练完成的跌倒检测模型包括：利用多发多收毫米波雷达实时向样本人体发射雷达信号，收集所述样本人体反射回来的时域信号，并将所述时域信号对应到空间维度，得到具有真值标签的二维热图样本；利用与所述多发多收毫米波雷达时间同步的图像采集系统获取所述样本人体的带有真值标签的人体边框以表示所述样本人体的紧密边界；利用跌倒检测模型处理所述二维热图样本和所述人体边框，得到模型的输出结果；利用预设的损失函数处理所述模...

【专利技术属性】
技术研发人员：陈彦，李文轩，张东恒，胡洋，孙启彬，赵泽鹏，赵玉林，
申请(专利权)人：北京夕阳无忧科技有限公司，
类型：发明
国别省市：