没有合适的资源?快使用搜索试试~ 我知道了~
基于毫米波雷达的跌倒方式实时检测方法研究.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 7 下载量 187 浏览量
2022-06-24
13:37:17
上传
评论 5
收藏 1.27MB DOCX 举报
温馨提示
试读
12页
基于毫米波雷达的跌倒方式实时检测方法研究.docx
资源详情
资源评论
资源推荐
引言
人口老龄化已经成为世界各国普遍存在的社会问题,随着年龄增长,身体机能开始逐步衰退,感官和
认知能力逐渐丧失,容易因功能受损造成死亡
。据世界卫生组织统计,世界各地每年估计有 万
人因跌倒受伤而死亡,其中 岁以上的老人占比最大
。及时发现跌倒并提供医疗救援能控制伤势进
一步发展,对于老年人的身体健康和生命安全而言,具有重要意义。因此需要在老年人容易跌倒的场
所进行准确、有效的跌倒检测。
由于不同跌倒方式对身体造成的伤害不同。从站立高度跌倒时,若骨盆与地面发生碰撞,极易造成髋
部骨折和脊柱压缩性骨折。其中,髋部骨折会引起呼吸系统感染、泌尿系统感染、深静脉血栓、急性
肾衰竭等并发症从而危及生命
。相对于常规治疗,手术治疗能减轻部分并发症对伤者的影响,使伤
者能更快恢复活动能力,从而节省高昂的治疗费用并缩短治疗周期
。老年人在弯曲膝盖时,容易因
肌肉力量退化无法支撑身体而失去平衡,生活中较为常见的有蹲下时跌倒、起身时跌倒等。蹲下时向
后跌倒臀部与地面发生碰撞,髋部骨折的风险较高,而起身时向前跌倒通常膝盖、大腿、手肘等部位
着地,该部位骨折后容易愈合,不会产生直接危及生命的并发症
,救援紧急程度较低。因此,检测
跌倒的同时,识别跌倒方式有助于确定撞击部位并估计该部位的受损程度,以此决定是否需要紧急救
治。
目前已有多种方法实现跌倒检测,并能区分跌倒事件与日常活动。当跌倒检测系统工作时,通过穿戴
式传感器或环境传感器采集被监测对象的运动状态和生命体征数据,然后从数据中提取能够被计算机
识别的数字特征用于判断是否跌倒
。在各种环境传感器中,雷达传感器不会影响用户日常活动,能
充分保护用户的隐私
,因此有大量学者深入研究基于雷达传感器的跌倒检测方法。
跌倒事件一般具有先突然加速,后缓慢减速的特征
。为了能检测速度的变化特征,通过雷达进行跌
倒检测时,通常要先对原始数据进行适当转换和预处理,然后提取携带速度信息的数字特征。例如通
过频谱图表示利用短时傅里叶变换、小波变换等方法获取的雷达接收信号能量在时频域内的分布规律 ,
然后从图中提取频率幅值、频率比值、持续时间等特征作为分类算法的输入
,或利用图像处理技
术将频谱图转换为二值图像或灰度图像后进行下一步分析
。除速度变化外,目标在运动过程中的
距离变化也可作为跌倒的判断依据, 等
利用位置信息实现了人体姿势分类,但仅限于站立、
坐下、躺下三种姿势,并未涉及跌倒。 等
通过快速傅里叶变换获取目标的距离和角度信息,将
其作为跌倒的判断依据,但未进行跌倒方式识别。 等
综合考虑了速度和距离信息,使算法辨
识效果优于将速度作为单一依据的算法。近年来,各种机器学习方法被广泛应用于动作识别和分类中 ,
决策树、支持向量机、人工神经网络等智能算法均能实现跌倒判断
,但并未对跌倒方式进行识别。
由于不同跌倒方式造成的损伤决定了医疗救援的紧急程度,因此有必要在检测发生跌倒事件后,判断
被监测对象的跌倒方式,并持续跟踪跌倒后的身体活动。基于此,本文提出一种简单、有效的实时跌
倒检测和跌倒方式识别算法,通过毫米波雷达获取目标的位置信息,采用平滑滤波算法和分段线性拟
合方法处理原始数据,综合考虑人体跌倒时在高度方向和水平方向的位置变化规律及两者之间的对应
关系,基于多个阈值在检测到跌倒行为后对跌倒方式进行识别,若发现目标损伤情况严重无法行动,
则立即发出警报。
跌倒检测和跌倒方式识别算法
毫 米 波 雷 达 通 过 通 用 异 步 收 发 传 输 器 ( !"#
$"%&'((, $&)将采集的点云数据和目标信息输入计算机进行跌倒检测
。其中,
点云数据包含所有散射点的位置和速度,目标信息包含被监测对象的位置、速度和加速度。为方便描
述各散射点和目标的位置信息,建立固连于雷达的坐标系如图 所示。其中 ) 轴、* 轴分别表示高度
方向和水平方向。散射点和目标位置依据位于原点的距离和角度确定,即由极坐标进行描述,因此需
要将散射点和目标坐标由直角坐标转换为极坐标。此外,雷达在安装时存在一定的俯仰角,需要先对
位置向量进行绕 + 轴的旋转变换,再将变换后的位置坐标作为跌倒检测算法的输入。
Fig. 1Radar coordinate system
图 1雷达坐标系
下载,原图µ-高精图µ-低精图
在实际生活中,老人的行为通常由一系列动作构成。为了实现实时监测,系统将每秒读取目标的位置
坐标并进行数据处理,根据位置坐标的变化分割动作序列,根据阈值判断当前动作是否为跌倒行为,
若识别为跌倒行为则进一步判断跌倒方式,一旦确认目标跌倒且无法行动时,则立即发出警报;若为
非跌倒行为则判断当前动作属于何种日常行为。每次判断后将已记录的数据从缓存中清除,直至被监
测对象的状态趋于稳定后开始进行下一个动作判断。
跌倒检测和分类的流程如图 所示,在开始判断跌倒行为前,需要通过均值滤波对离散数据进行平滑
处理并计算目标的静止时间,当检测目标倒地一段时间后,对采集的数据进行拟合并求解拟合函数中
的待定参数。
Fig. 2Flow of detection and classication
图 2检测和分类流程
下载,原图µ-高精图µ-低精图
分段线性拟合方法将完整的跌倒动作分为 个阶段,如式()所示。第一、四阶段为位置恒定阶段,
第二、三阶段为位置变化阶段,位置变化阶段曲线的斜率表示目标运动的平均速度,位置恒定阶段曲
剩余11页未读,继续阅读
罗伯特之技术屋
- 粉丝: 3576
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论7