跌倒检测方法、装置和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963192A(43)申请公布日2022.01.21(21)申请号202111107797.1G08B21/04(2006.01)(22)申请日2021.09.22(71)申请人森思泰克河北科技有限公司地址050200河北省石家庄市鹿泉经济开发区御园路99号西孵化楼三楼(72)发明人何文彦彭诚诚程毅赵洛伟秦屹(74)专利代理机构石家庄国为知识产权事务所13120代理人李荣文(51)Int.Cl.G06V10/764(2022.01)G06V40/20(2022.01)G06K9/62(2022.01)G06T7/66(2017.01)权利要求书3页说明书14页附图2页(54)发明名称跌倒检测方法、装置和电子设备(57)摘要本发明提供一种跌倒检测方法、装置和电子设备。该方法包括：获取连续的第一预设数目个雷达帧各自的点云集合中待检测目标的点云特征，得到依次记录有第一预设数目个雷达帧各自的点云特征的第一点云特征序列；将第一点云特征序列输入至预设循环神经网络模型，得到第一点云特征序列的行为类别概率数组；其中，预设循环神经网络模型基于预先标注的多种行为类别的点云特征序列样本训练得到，行为类别概率数组包括各行为类别的概率值；根据第一点云特征序列的行为类别概率数组，生成跌倒检测结果。本发明提供的跌倒检测方法具有使用方便且检测准确率高的优点。CN113963192ACN113963192A权利要求书1/3页1.一种跌倒检测方法，其特征在于，包括：获取连续的第一预设数目个雷达帧各自的点云集合中待检测目标的点云特征，得到依次记录有所述第一预设数目个雷达帧各自的点云特征的第一点云特征序列；将所述第一点云特征序列输入至预设循环神经网络模型，得到所述第一点云特征序列的行为类别概率数组；其中，所述预设循环神经网络模型基于预先标注的多种行为类别的点云特征序列样本训练得到，所述行为类别包括跌倒行为，以及蹲下行为、坐下行为、弯腰行为、爬起行为或直行行为中的至少一种，所述行为类别概率数组包括各行为类别的概率值；根据所述第一点云特征序列的行为类别概率数组，生成跌倒检测结果。2.根据权利要求1所述的方法，其特征在于，在所述获取连续的第一预设数目个雷达帧各自的点云集合中待检测目标的点云特征之前，所述方法还包括：获取连续的第一预设数目个雷达帧；将获取的单个雷达帧的点云集合确定为相应雷达帧的点云集合；或者，将获取的目标雷达帧的点云集合和在所述目标雷达帧之前获取的最后一个雷达帧的点云集合映射至同一坐标系，并将映射得到的点云集合确定为所述目标雷达帧的点云集合；其中，所述目标雷达帧为所述第一预设数目个雷达帧中的任意一个雷达帧。3.根据权利要求1所述的方法，其特征在于，所述点云特征包括所述待检测目标的点数特征、尺寸特征以及质心特征；所述获取连续的第一预设数目个雷达帧各自的点云集合中待检测目标的点云特征，包括：从所述点云集合中确定所述待检测目标对应的所有点；将所述所有点的数目确定为所述待检测目标的点数特征；获取所述所有点的点坐标中最大的X轴坐标、最大的Y轴坐标、最大的Z轴坐标、最小的X轴坐标、最小的Y轴坐标以及最小的Z轴坐标，并将所述最大的X轴坐标和所述最小的X轴坐标的差值、所述最大的Y轴坐标和所述最小的Y轴坐标的差值以及所述最大的Z轴坐标和所述最小的Z轴坐标的差值，确定为所述待检测目标的尺寸特征；分别累加所述所有点中每个点的X坐标与信噪比的第一乘积值、每个点的Y坐标与信噪比的第二乘积值、每个点的Z坐标与信噪比的第三乘积值，并分别计算累加得到的第一乘积值的总和与所述所有点的数目的第一商值、第二乘积值的总和与所述所有点的数目的第二商值、第三乘积值的总和与所述所有点的数目的第三商值，将所述第一商值、所述第二商值、所述第三商值确定为所述待检测目标的质心特征。4.根据权利要求1所述的方法，其特征在于，在将所述第一点云特征序列输入至预设循环神经网络模型之前，所述方法还包括：对所述第一点云特征序列进行归一化处理，得到归一化后的第一点云特征序列；所述将所述第一点云特征序列输入至预设循环神经网络模型，包括：将所述归一化后的第一点云特征序列输入至预设循环神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一点云特征序列的行为类别概率数组，生成跌倒检测结果，包括：获取所述第一点云特征序列的行为类别概率数组中与最大概率值对应的行为类别；2CN113963192A权利要求书2/3页如果所述与最大概率值对应的行为类别为跌倒行为，则生成存在跌倒的跌倒检测结果，否则生成不存在跌倒的跌倒检测结果。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一点云特征序列的行为类别概率数组，生成跌倒检测结果，包括：根据