申请/专利权人：安徽建筑大学

申请日：2023-09-07

公开（公告）日：2023-12-29

公开（公告）号：CN117315886A

主分类号：G08B21/04

分类号：G08B21/04;G06F18/10;G06F18/213;G06F18/24;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08;G01S13/89;G01S13/88;A61B5/11;A61B5/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明涉及即将跌倒检测方法及装置技术领域，具体公开了一种基于UWB雷达的人员即将跌倒检测方法及装置，方法包括：数据采集：实时采集待监测室区域内检测时间段内待检测人员发生相关动作的连续二维CSI信号；数据预处理：对二维CSI信号进行降噪处理，获取二维CSI序列片段并进行分类标注；分类标注的二维CSI序列片段划分为三种类型；通过预设深度学习检测模型将步骤二中的near‑fall、fall和ADLs二维CSI序列片段经过滑动窗口的划分可以得到若干个CSI信号矩阵，进而完成输入数据构造；动作检测分类：构建深度神经网络模型将预处理后的二维CSI矩阵进行灰度化处理并作为深度神经网络的输入，完成数据的特征提取和对不同动作类型进行分类。

主权项：1.一种基于UWB雷达的人员即将跌倒检测方法，其特征在于，所述方法包括：步骤一、数据采集：实时采集待监测室区域内检测时间段内待检测人员发生相关动作的连续二维CSI信号；步骤二、数据预处理：对二维CSI信号进行降噪处理，获取二维CSI序列片段并进行分类标注；所述分类标注的二维CSI序列片段划分为三种类型，分别是：near-fall、fall和ADLs二维CSI序列片段；步骤三、通过预设深度学习检测模型将步骤二中的near-fall、fall和ADLs二维CSI序列片段经过滑动窗口的划分可以得到若干个CSI信号矩阵，进而完成输入数据构造；步骤四、动作检测分类：构建深度神经网络模型将预处理后的二维CSI矩阵进行灰度化处理并作为深度神经网络的输入，完成数据的特征提取和对不同动作类型进行分类。

全文数据：

权利要求：

百度查询： 安徽建筑大学 一种基于UWB雷达的人员即将跌倒检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD