申请/专利权人:长春理工大学
申请日:2024-01-04
公开(公告)日:2024-04-02
公开(公告)号:CN117796795A
主分类号:A61B5/11
分类号:A61B5/11;G01S7/02;G06F17/18;G06N3/0464;A61B5/0507
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明属于毫米波雷达生物检测技术领域,尤其为基于双通道卷积神经网络的卫浴环境下人体跌倒检测方法,包括以下步骤:步骤1:在无射电的浴室环境下模拟缓慢跌倒、向前跌倒、向后跌倒等不同跌倒方式,使用77Ghz毫米波雷达,对不同跌倒状态进行检测,建立不同跌倒的浴室跌倒数据集。本发明,使用毫米波雷达卫浴环境下人体跌倒检测,成本低廉,检测方法简单,隐私性强,能够大规模应用在浴室等私密性强等场所,同时基于时间‑距离图特征提取与距离‑速度图特征提取两条通道的神经网络算法弥补坐姿与运动特征衰减带来的影响。
主权项:1.基于双通道卷积神经网络的卫浴环境下人体跌倒检测方法,其特征在于:包括以下步骤:步骤1:在无射电的浴室环境下模拟缓慢跌倒、向前跌倒、向后跌倒等不同跌倒方式,使用77Ghz毫米波雷达,对不同跌倒状态进行检测,建立不同跌倒的浴室跌倒数据集;步骤2:为了识别一个人的跌倒运动,需要了解雷达信号特征随时间的变化,为此,实验中从接收到的雷达信号中生成一个基于结合时间-距离图和距离-多普勒图两种特征维度,针对回波信号中的噪声特性,使用平均相消算法抑制信号中的直流分量和静态杂波,从中提取运动信息;步骤3;使用双通道卷积神经网络框架,通过将生成的合时间-距离图和距离-多普勒图图作为输入,然后通过训练好的神经网络进行判断出浴室跌倒的情况,并发出警报。
全文数据:
权利要求:
百度查询: 长春理工大学 基于双通道卷积神经网络的卫浴环境下人体跌倒检测方法
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。