[發(fā)明專利]基于毫米波雷達和FPGA的跌倒檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202210969297.7
• 申請日: 2022-08-12
• 公開（公告）號: CN115204240A
• 公開（公告）日: 2022-10-18
• 發(fā)明（設計）人: 馮安康;曹軍;王博;郭永新;褚慧
• 申請（專利權(quán)）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/063;G06N3/08;G06F15/78;G08B21/04
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱炳斐

1.一種基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，所述方法包括以下步驟：

步驟S1，采集預設區(qū)域內(nèi)的人體姿態(tài)數(shù)據(jù)，標注跌倒數(shù)據(jù)和未跌倒數(shù)據(jù)；

步驟S2，對采集并標注的數(shù)據(jù)進行預處理獲得特征圖，形成數(shù)據(jù)集；

步驟S3，構(gòu)建卷積神經(jīng)網(wǎng)絡模型，利用標注好的數(shù)據(jù)集進行網(wǎng)絡訓練，得到訓練好的網(wǎng)絡模型；

步驟S4，將訓練好的網(wǎng)絡模型加載到FPGA中，利用FPGA進行完整的跌倒檢測；

步驟S5，當FPGA判定輸入數(shù)據(jù)特征為跌倒時，利用蜂鳴器進行報警。

2.根據(jù)權(quán)利要求1所述的基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，步驟S1中所述人體姿態(tài)數(shù)據(jù)是由毫米波雷達雷達和ADC采集板采集，其中跌倒數(shù)據(jù)包括正面撲倒、背面躺倒和側(cè)面跌倒這幾種姿態(tài)，未跌倒數(shù)據(jù)包括無目標、緩步和慢蹲這幾種姿態(tài)。

3.根據(jù)權(quán)利要求1所述的基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，步驟S2包括以下步驟：

步驟S21，下采樣：針對標注好的人體姿態(tài)數(shù)據(jù)，每個線性調(diào)頻脈沖chirp取一個采樣點數(shù)據(jù)，得到下采樣后的雷達數(shù)據(jù)；

步驟S22，對下采樣后的雷達數(shù)據(jù)進行短時傅里葉變換，公式為：

式中，x(m)為下采樣后的雷達數(shù)據(jù)，ω(n)是窗函數(shù)，X_n(e^jw)為加窗后的傅里葉變換數(shù)據(jù)；

步驟S23，對短時傅里葉變換處理后的數(shù)據(jù)取分貝值；

步驟S24，對取分貝值后的數(shù)據(jù)進行二值化處理，得到二值化后的跌倒和未跌倒的數(shù)據(jù)集。

4.根據(jù)權(quán)利要求3所述的基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，步驟S23中取分貝值的公式為20log|x|，x為短時傅里葉變換后的數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，步驟S3中卷積神經(jīng)網(wǎng)絡模型的結(jié)構(gòu)具體為：第一層為卷積層，卷積核數(shù)量為4，大小為3*3；第二層為池化層，2*2最大池化；第三層為卷積層，卷積核數(shù)量為4，大小為3*3；第四層為池化層，2*2最大池化；第五層為卷積層，卷積核數(shù)量為4，大小為3*3；第六層為池化層，2*2最大池化；第七層為全連接層1；第八層為全連接層2。

6.根據(jù)權(quán)利要求1所述的基于毫米波雷達和FPGA的跌倒檢測方法，其特征在于，步驟S4具體包括：

步驟S41，使用毫米波雷達采集人體姿態(tài)數(shù)據(jù)，通過以太網(wǎng)發(fā)送給FPGA；

步驟S42，F(xiàn)PGA對采集的信號進行步驟S2的下采樣、短時傅里葉變換和二值化，得到特征數(shù)據(jù)；

步驟S43，通過部署在FPGA上的訓練好的網(wǎng)絡模型對特征數(shù)據(jù)進行特征提取，判定是否跌倒。

7.一種基于毫米波雷達和FPGA的跌倒檢測裝置，其特征在于，所述裝置包括：

模型訓練模塊，用于將采集的跌倒和未跌倒的人體姿態(tài)數(shù)據(jù)組合成特征圖片，并利用該特征圖片訓練卷積網(wǎng)經(jīng)網(wǎng)絡，訓練獲得的網(wǎng)絡模型用于后續(xù)特征識別模塊進行跌倒和未跌倒數(shù)據(jù)的識別；

數(shù)據(jù)采集模塊，用于利用毫米波雷達板和ADC采集板采集空間內(nèi)的人體活動數(shù)據(jù)；

數(shù)據(jù)接收模塊，用于通過以太網(wǎng)接收雷達數(shù)據(jù)并進行下采樣；

數(shù)據(jù)預處理模塊，用于對采樣的數(shù)據(jù)進行短時傅里葉變換獲取頻譜，再對其頻譜數(shù)據(jù)取分貝值，最后進行二值化處理得到特征圖；

特征識別模塊，用于通過卷積神經(jīng)網(wǎng)絡挖掘特征圖特征，檢測跌倒狀態(tài)；

報警模塊，用于在特征識別模塊輸出判定為跌倒時，由蜂鳴器產(chǎn)生報警信號。

8.根據(jù)權(quán)利要求7所述的基于毫米波雷達和FPGA的跌倒檢測裝置，其特征在于，所述模型訓練模塊包括：

第一模塊，用于對毫米波雷達采集的跌倒和未跌倒的人體姿態(tài)數(shù)據(jù)進行下采樣、短時傅里葉變換，之后取分貝值并進行二值化得到跌倒和未跌倒數(shù)據(jù)的特征圖；

第二模塊，將跌倒和未跌倒的特征圖分為兩組，作為卷積神經(jīng)網(wǎng)絡模型訓練的數(shù)據(jù)，得到訓練好的卷積神經(jīng)網(wǎng)絡模型。