System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及毫米波雷达多目标跟踪与人体行为识别,特别是一种基于毫米波雷达目标行为状态检测方法及系统。
技术介绍
1、跌倒检测是雷达信号处理及应用领域的一个重要研究方向。老人发生跌倒和突发性失能行为时,未得到正确和及时的救援而致死,是养老面临的一大难题。在日常的生活活动中,浴室,卫生间,客厅,卧室等私密场所空间环境复杂,存在很多的跌倒隐患,老人通常会有高血压和骨质疏松等疾病,会发生突发性的眩晕缓慢跌倒、腿麻导致的蹲倒和坐到。这对我们的跌倒检测技术提出了更高的要求。目前的跌倒检测技术主要有以下四种,基于穿戴式设备的跌倒检测技术、基于压感传感器的跌倒检测技术、基于光学传感器的跌倒检测技术、基于声控传感器的跌倒检测技术、基于雷达的跌倒检测技术。
2、基于穿戴式设备的跌倒检测技术,实际应用非常不方便。它可能受到非跌倒动作(如快速转身或突然加速)的干扰,从而导致误报。基于压感传感器的跌倒检测技术,它必须与人体直接接触,因此可能存在一些舒适性和隐私性的问题。此外,在复杂的环境中,噪声和干扰可能会导致误报或漏报。基于光学传感器的跌倒检测技术成像精度高、但缺点是视频分析需要更强大的计算能力和存储空间。图像处理和分析,处理复杂度较大,可能会增加延迟。同时会受到环境亮点的影响。
3、此外,隐私问题也是需要考虑的因素。基于声控传感器的跌倒检测技术,声音分析可能受到环境噪声的干扰,导致误报或漏报的问题。此外,对不同声音的识别准确性和可靠性仍需要进一步改进。而基于雷达的跌倒检测技术,对不同环境条件的适应能力较强。它不受光照、温度、
4、目前毫米波雷达检测技术分为两种:一种是将雷达信号与深度学习相融合来进行跌倒检测,但存在数据采集和标注的挑战、复杂的数据预处理、模型训练和调优的挑战,以及实时性和硬件要求等缺点;一种是将雷达回波信号处理结果与逻辑判断相结合来进行实时跌倒检测,但跌倒是一个复杂的事件,可能有不同的形式和模式,现有的算法设计和逻辑判断都会产生漏报和误报的情况。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种基于毫米波雷达目标行为状态检测方法及系统,该方法利用连续多帧质心坐标的变化来判断目标行为状态。
2、为达到上述目的,本专利技术提供如下技术方案:
3、本专利技术提供的基于毫米波雷达目标行为状态检测方法,包括以下步骤:
4、获取从检测区域返回的雷达点云数据;
5、通过聚类算法对点云数据进行聚类,把聚类分成的若干簇,计算得到各簇的质心坐标,存储各簇的质心坐标得到连续多帧特征数组;
6、根据连续多帧特征数组中各质心坐标得到质心变化曲线,根据质心变化曲线与预设质心变化曲线来判断目标行为状态。
7、进一步,所述连续多帧特征数组按照以下步骤得到:
8、把聚类分成的簇的质心进行卡尔曼滤波,对每个簇的质心分配一个id,每一次聚类完成以后都检索更新一次id;判定为相同目标则为此目标分配相同id,判定为新目标则赋予该目标一个新id;存储每个id对应簇包含的点云特征,得到连续多帧特征数组。
9、进一步,所述预设质心变化曲线包括跌倒曲线,所述跌倒曲线按照以下步骤得到:
10、采用滑窗的形式存储每个目标在跌倒时的质心特征;得到连续多帧特征数组,根据连续多帧特征数组中各质心坐标得到质心变化曲线。
11、进一步,所述预设质心变化曲线包括行为恢复曲线,所述行为恢复曲线按照以下步骤得到:
12、采用滑窗的形式存储每个目标在恢复行为时的质心特征;得到连续多帧特征数组,根据连续多帧特征数组中各质心坐标得到质心变化曲线。
13、进一步,所述目标行为状态包括跌倒行为,所述跌倒行为按照以下方式进行判断:
14、获取质心变化曲线与预设的跌倒曲线;
15、计算质心变化曲线与跌倒曲线的相似度;并判断相似度是否满足预设跌倒阈值,如果是,则判断该状态为跌倒行为,如果否,则判断是否为突发性失能行为。
16、进一步,所述目标行为状态包括恢复行为,所述恢复行为按照以下方式进行判断:
17、获取质心变化曲线与预设的恢复曲线;
18、计算质心变化曲线与恢复曲线的相似度;并判断相似度是否满足恢复阈值,如果是,则判断该状态为恢复行为。
19、进一步,所述质心变化曲线还包括连续多帧在连续下降后的速度值和投影面积值。
20、进一步,所述预设质心变化曲线包括突发性失能曲线,所述突发性失能曲线包括上曲线和下曲线;所述上曲线为当前时刻最大质心高度,所述下曲线为当前时刻最小质心高度。
21、进一步,所述突发性失能行为按照以下方式进行判断:
22、将质心变化曲线与突发性失能曲线进行比较,当所述质心变化曲线位于突发性失能曲线的上曲线和下曲线之间时则判断为突发性失能行为。
23、本专利技术提供的基于毫米波雷达目标行为状态检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法。
24、本专利技术的有益效果在于:
25、本专利技术提供的基于毫米波雷达目标行为状态检测方法及系统,针对雷达的点云信息,通过dbscan-mrr聚类算法对点云进行聚类,把聚类分成的簇的质心进行卡尔曼滤波,对每个簇的质心分配一个id,每一次聚类完成以后都检索更新一次id,判定为相同目标则为此目标分配相同id,判定为新目标则赋予该目标一个新id,把每个id对应簇包含的点云特征存储下来,对每个id这一段时间内的点云特征进行分析,来判断此id对应目标的状态。该方法能够精准的识别多种干扰动作,和一些特殊情况的跌倒、保护用户隐私、不易受环境影响,并且能够进一步减少跌倒检测中误报和漏报问题。
26、有效的解决跌倒检测虚报漏报并保持一定实时性的关键是将目标运动特征与时间序列相结合来判定目标的状态,根据目标状态转移来进行跌倒检测。目标运动特征通过雷达返回的点云信息处理从不同维度获取的具有不同物理含义的特征。跌倒是一个连续的动作,通过对这一段时间内目标的运动特征来判定目标的状态,能有效的减少漏报,对目标进行跟踪能有效排除目标以外的干扰,实现多目标跌倒判定,有效的减少误报。
27、该方法可用于多目标跟踪及目标状态转移检测,该算法利用不欺负用户隐私、跌倒动作高识别率、且能有效解决跌倒检测误报和漏报问题,能够检测区域内发生的跌倒行为和突发性失能行为,并在出现异常行为时报警。该方法能够有效解决检测中虚报、漏报、误解除警报的问题,
28、该方法能够精准的识别多种干扰动作,和一些特殊情况的跌倒、保护用户隐私、不易受环境影响,并且能够进一步减少跌倒检测中误报和漏报问题。
29、本发本文档来自技高网...
【技术保护点】
1.基于毫米波雷达目标行为状态检测方法,其特征在于:包括以下步骤:
2.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述连续多帧特征数组按照以下步骤得到:
3.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述预设质心变化曲线包括跌倒曲线,所述跌倒曲线按照以下步骤得到:
4.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述预设质心变化曲线包括行为恢复曲线,所述行为恢复曲线按照以下步骤得到:
5.如权利要求3所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述目标行为状态包括跌倒行为,所述跌倒行为按照以下方式进行判断:
6.如权利要求4所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述目标行为状态包括恢复行为,所述恢复行为按照以下方式进行判断:
7.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述质心变化曲线还包括连续多帧在连续下降后的速度值和投影面积值。
8.如权利要求5所述的基于毫米波雷达目标行为
9.如权利要求8所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述突发性失能行为按照以下方式进行判断:
10.基于毫米波雷达目标行为状态检测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1至9任一项所述的方法。
...【技术特征摘要】
1.基于毫米波雷达目标行为状态检测方法,其特征在于:包括以下步骤:
2.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述连续多帧特征数组按照以下步骤得到:
3.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述预设质心变化曲线包括跌倒曲线,所述跌倒曲线按照以下步骤得到:
4.如权利要求1所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述预设质心变化曲线包括行为恢复曲线,所述行为恢复曲线按照以下步骤得到:
5.如权利要求3所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述目标行为状态包括跌倒行为,所述跌倒行为按照以下方式进行判断:
6.如权利要求4所述的基于毫米波雷达目标行为状态检测方法,其特征在于:所述目标行为状态包括...
【专利技术属性】
技术研发人员:徐严涛,梅玉龙,崔国龙,邵烽智,方志强,
申请(专利权)人:成都多谱测探科技有限公司,
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。