一种基于毫米波感知的人员压力无感连续监测方法及系统技术方案

本发明专利技术提供一种基于毫米波感知的人员压力无感连续监测方法及系统，基于部署在用户活动区域的毫米波雷达获取每个监测周期内的点云数据，每个监测周期的点云数据均包括多张点云图像；基于点云图像中点云的位置计算点云图像的质心的位置，基于多个质心的位置构建轨迹输入图像，基于轨迹输入图像构建轨迹输入向量；基于每个监测周期内的点云数据的点云构建点云输入向量；基于每次点云图像的采集时间构建时间戳输入向量；将所述轨迹输入向量

【技术实现步骤摘要】
一种基于毫米波感知的人员压力无感连续监测方法及系统


[0001]本专利技术涉及心理压力测评
，尤其涉及一种基于毫米波感知的人员压力无感连续监测方法及系统
。

技术介绍

[0002]由于现代工作和生活节奏的加快，人们承受着巨大的压力
。
虽然偶尔的压力可以通过各种方式
(
如睡眠
、
娱乐
)
缓解，但长期压力的积累，会损害一个人的心理甚至生理健康
。
特别是，慢性压力与抑郁
、
焦虑等高度相关，并且压力大的人更容易患上心血管疾病和帕金森病等慢性疾病
。
因此，长期的压力监测有利于人们及时评估自身的健康状况，并为医生提供更个性化的医疗数据
。
[0003]现有的长期压力监测方案主要分为问卷填写和穿戴式设备测量两大类
。
基于问卷的方案为受试者通过定期填写一份精心设计的问卷来记录他们的压力等级，然而对于用户该方案麻烦且存在负担，长期监测过程中用户很容易失去依从性并返回不可靠的结果；基于可穿戴设备测量人体生理信号的方案需要人们长期佩戴设备并定时充电，人们对此产生的不适感限制了其广泛使用
。

技术实现思路

[0004]鉴于此，本专利技术的实施例提供了一种基于毫米波感知的人员压力无感连续监测方法，以消除或改善现有技术中存在的一个或更多个缺陷
。
[0005]本专利技术的一个方面提供了一种基于毫米波感知的人员压力无感连续监测方法，所述方法的步骤包括：
[0006]基于部署在用户活动区域的毫米波雷达获取每个监测周期内的点云数据，每个监测周期的点云数据均包括多张点云图像；
[0007]基于点云图像中点云的位置计算点云图像的质心的位置，基于多个质心的位置构建轨迹输入图像，基于所述轨迹输入图像构建轨迹输入向量；
[0008]基于每个监测周期内的点云数据的点云构建点云输入向量；
[0009]基于每次点云图像的采集时间构建时间戳输入向量；
[0010]将所述轨迹输入向量
、
点云输入向量和时间戳输入向量输入到预训练的神经网络模型中，基于所述神经网络模型的分类层输出对应监测周期的压力等级监测结果
。
[0011]采用上述方案，本方案能够利用毫米波雷达来感知用户的日常生活活动，从中提取“置换活动”，即人处于压力下的受试者无意识地表现出坐立不安的行为，如抓挠
、
徘徊
、
抖腿等动作，并建立起其与压力等级的关系
。
本专利技术不需要用户佩戴设备，适用于日常家居环境下人自由活动场景中的长期压力监测
。
此外，由于毫米波雷达仅产生用户的粗粒度点云数据，其描述了人体最活跃部位的坐标，而不是由相机产生的视觉图像，因此该专利技术的隐私侵扰性要小得多
。
并且毫米波信号对光线条件不敏感，即使在黑暗中也能工作，并能根据毫米波雷达的探测记过为用户提供个性化的心理健康状况参考
。
[0012]在本专利技术的一些实施方式中，所述神经网络模型包括分类模块，所述分类模块设置有全连接层和分类层，所述全连接层输出第三过渡向量，将所述轨迹输入向量
、
点云输入向量和时间戳输入向量输入到预训练的神经网络模型中，基于所述神经网络模型的分类层输出对应监测周期的压力等级监测结果的步骤包括：
[0013]基于所述神经网络模型在预训练过程中的训练数据集中，数据标签的类别和各类别的数据标签下的数据个数计算平衡向量；
[0014]基于所述平衡向量和所述第三过渡向量计算得到第四过渡向量，将所述第四过渡向量输出到分类层，所述分类层输出对应监测周期的压力等级监测结果
。
[0015]在本专利技术的一些实施方式中，在基于所述平衡向量和所述第三过渡向量计算得到第四过渡向量的步骤中，根据如下公式计算第四过渡向量：
[0016]Δ
＝
argmax
y∈L
[(f
y
(x)
‑
τ
ln(
π
y
)]；
[0017]其中，
Δ
表示第四过渡向量，
L
表示数据标签的类别，
y
表示任一数据标签的类别，
f
y
(x)
表示第三过渡向量，
π
y
表示平衡向量，
τ
表示预设的参数
。
[0018]在具体实施过程中，
τ
∈(0,1)。
[0019]在本专利技术的一些实施方式中，所述神经网络模型包括数据不平衡处理模块，所述数据不平衡处理模块基于所述神经网络模型在预训练过程中的训练数据集中，数据标签的类别和各类别的数据标签下的数据个数计算平衡向量，并基于预设的参数计算得到
τ
ln(
π
y
)。
[0020]在具体实施过程中，将所述第四过渡向量输入到分类层，得到对应监测周期的压力等级监测结果
。
[0021]在本专利技术的一些实施方式中，在基于点云图像中点云的位置计算点云图像的质心的位置的步骤中，采用
DBSCAN
聚类算法和卡尔曼滤波算法计算基于点云图像中点云的质心的位置
。
[0022]在具体实施过程中，若点云图像中具有采集完成的点云，则采用
DBSCAN
聚类算法计算点云的质心位置；若点云图像中没有采集完成的点云，则采用卡尔曼滤波算法基于上一帧质心位置和质心速度计算该帧的质心位置
。
[0023]在本专利技术的一些实施方式中，所述基于多个质心的位置构建轨迹输入图像，基于所述轨迹输入图像构建轨迹输入向量的步骤包括：
[0024]基于所述点云图像所采集的时间将所述质心的位置顺序进行连接，得到所述轨迹输入图像，所述轨迹输入图像中包括每个质心的位置
、
速度和加速度数据；
[0025]将所述轨迹输入图像中每个质心的位置
、
速度和加速度数据作为轨迹输入向量中各个维度的参数，构建轨迹输入向量
。
[0026]在本专利技术的一些实施方式中，在基于每个监测周期内的点云数据的点云构建点云输入向量的步骤中，将每个点云图像中每个点云的笛卡尔坐标
、
径向距离
、
水平角
、
方位角和径向速度作为点云输入向量中各个维度的参数，构建点云输入向量；
[0027]在基于每次点云图像的采集时间构建时间戳输入向量的步骤中，将每个点云图像的采集时间的星期
、
小时
、
分钟
、
秒和毫秒分别作为时间戳输入向量各个维度的参数，构建时间戳输入向量
。
[0028]在本专利技术的一些实施方式中，所述基于每个监测周期内的点云数据的点云构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于毫米波感知的人员压力无感连续监测方法，其特征在于，所述方法的步骤包括：基于部署在用户活动区域的毫米波雷达获取每个监测周期内的点云数据，每个监测周期的点云数据均包括多张点云图像；基于点云图像中点云的位置计算点云图像的质心的位置，基于多个质心的位置构建轨迹输入图像，基于所述轨迹输入图像构建轨迹输入向量；基于每个监测周期内的点云数据的点云构建点云输入向量；基于每次点云图像的采集时间构建时间戳输入向量；将所述轨迹输入向量
、
点云输入向量和时间戳输入向量输入到预训练的神经网络模型中，基于所述神经网络模型的分类层输出对应监测周期的压力等级监测结果
。2.
根据权利要求1所述的基于毫米波感知的人员压力无感连续监测方法，其特征在于，所述神经网络模型包括分类模块，所述分类模块设置有全连接层和分类层，所述全连接层输出第三过渡向量，将所述轨迹输入向量
、
点云输入向量和时间戳输入向量输入到预训练的神经网络模型中，基于所述神经网络模型的分类层输出对应监测周期的压力等级监测结果的步骤包括：基于所述神经网络模型在预训练过程中的训练数据集中，数据标签的类别和各类别的数据标签下的数据个数计算平衡向量；基于所述平衡向量和所述第三过渡向量计算得到第四过渡向量，将所述第四过渡向量输出到分类层，所述分类层输出对应监测周期的压力等级监测结果
。3.
根据权利要求2所述的基于毫米波感知的人员压力无感连续监测方法，其特征在于，在基于所述平衡向量和所述第三过渡向量计算得到第四过渡向量的步骤中，根据如下公式计算第四过渡向量：
Δ
＝
argmax
y∈L
[f
y
(x)
‑
τ
ln(
π
y
)]
；其中，
Δ
表示第四过渡向量，
L
表示数据标签的类别，
y
表示任一数据标签的类别，
f
y
(x)
表示第三过渡向量，
π
y
表示平衡向量，
τ
表示预设的参数
。4.
根据权利要求1所述的基于毫米波感知的人员压力无感连续监测方法，其特征在于，所述基于多个质心的位置构建轨迹输入图像，基于所述轨迹输入图像构建轨迹输入向量的步骤包括：基于所述点云图像所采集的时间将所述质心的位置顺序进行连接，得到所述轨迹输入图像，所述轨迹输入图像中包括每个质心的位置
、
速度和加速度数据；将所述轨迹输入图像中每个质心的位置
、
速度和加速度数据作为轨迹输入向量中各个维度的参数，构建轨迹输入向量
。5.
根据权利要求1所述的基于毫米波感知的人员压力无感连续监测方法，其特征在于，在基于每个监测周期内的点云数据的点云构建点云输入向量的步骤中，将每个点云图像中每个点云的笛卡尔坐标
、
...

【专利技术属性】
技术研发人员：周安福，梁琨，马华东，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：