[發明專利]跌倒檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202111101066.6
• 申請日: 2021-09-18
• 公開（公告）號: CN113837055A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 方震;姚奕成;趙榮建;何光強
• 申請（專利權）人: 南京潤楠醫療電子研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京中政聯科專利代理事務所(普通合伙) 11489
• 代理人: 鄭久興

1.一種跌倒檢測方法，其特征在于，包括：

根據雷達反射信號生成人體的距離-速度圖；

根據所述雷達反射信號生成人體的距離-垂直角度圖和人體的距離-水平角度圖；

將所述距離-速度圖輸入第一網絡模型得到第一特征；

將所述距離-垂直角度圖輸入第二網絡模型得到第二特征；

將所述距離-水平角度圖輸入第三網絡模型得到第三特征；

將所述第一特征、第二特征和所述第三特征輸入機器學習分類器得到檢測結果。

2.根據權利要求1所述的跌倒檢測方法，其中，根據雷達反射信號生成人體的距離-速度圖之后還包括：

根據所述距離-速度圖判斷是否發生運動事件；

若否，則放棄執行后續步驟。

3.根據權利要求2所述的跌倒檢測方法，其中，根據所述距離-速度圖判斷是否發生運動事件包括：

獲取當前幀以及與當前幀最近N幀的距離-速度圖作為參考距離-速度圖；

對任意相鄰兩幀的參考距離-速度圖中，像素差值大于設定閾值的像素點進行計數，得到N-1個計數值；

計算所述計數值的信息熵；

判斷所述信息熵是否大于設定值，若是，則發生運動事件。

4.根據權利要求1所述的跌倒檢測方法，其中，所述第一網絡模型的訓練方法包括如下步驟：

獲取樣本信號，所述樣本信號的類別包括走路、坐下、站起、微小動作、大動作和摔倒；

根據所述樣本信號生成樣本距離-速度圖、樣本距離-垂直角度圖和樣本距離-水平角度圖；

建立第一原始網絡模型；

將所述樣本距離-速度圖、樣本距離-垂直角度圖和樣本距離-水平角度圖作為輸入，將走路、坐下、站起、微小動作、大動作和摔倒作為標簽，對所述第一原始網絡模型進行訓練，得到第一網絡模型。

5.根據權利要求4所述的跌倒檢測方法，其中，對所述第一原始網絡模型進行訓練包括：

建立損失函數，所述損失函數包括交叉熵損失項、跌倒查準率損失項和跌倒查出率損失項；

將所述第一網絡模型的輸出值代入所述損失函數得到損失值；

根據所述損失值調整所述原始跌倒檢測網絡模型。

6.根據權利要求5所述的跌倒檢測方法，其中，損失函數如下：

L＝L_{cross-entropy}+C1*L_recall+C2*L_precision

其中，sum(P_fall-fall)為輸出為跌倒且標簽為跌倒的樣本的數量，num(fall)表示標簽為跌倒的樣本的數量，以及sum(P_all-fall)表示輸出為跌倒的樣本的數量，L_recall為跌倒查出率損失項，L_precision為跌倒查準率損失項，L為損失值，L_{cross-entropy}為交叉熵損失項，C1為跌倒查出率的權重，C2為跌倒查準率的權重。

7.根據權利要求6所述的跌倒檢測方法，其中，C1為0.3，C2為0.7。

8.根據權利要求4所述的跌倒檢測方法，其中，根據所述樣本信號生成樣本距離-速度圖、樣本距離-垂直角度圖和樣本距離-水平角度圖包括：

根據所述樣本信號生成初始樣本距離-速度圖、初始樣本距離-垂直角度圖和初始樣本距離-水平角度圖；

根據所述距離-水平角度圖確定人體坐標；

對所述初始樣本距離-速度圖進行裁剪，保留距離人體距離坐標±20點以內的區域得到樣本距離-速度圖；

對所述初始樣本距離-垂直角度圖進行裁剪，保留距離人體距離坐標±20點以內的區域得到樣本距離-垂直角度圖；

對所述初始樣本距離-水平角度圖進行裁剪，保留距離人體距離坐標±20點和水平角度坐標周圍的±25點的區域得到樣本距離-水平角度圖。