本發(fā)明涉及計算機，尤其涉及一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法。

背景技術：

1、為了保證指定區(qū)域內的人體的安全，通常會在人體位于指定區(qū)域內的過程中，對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒。

2、相關技術中，常用的摔倒檢測方案為：獲取根據指定區(qū)域內的人體的雷達回波信號確定的指定區(qū)域內的人體的單一的姿態(tài)特征，然后基于單一的姿態(tài)特征對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒。相關技術中的摔倒檢測方案基于單一的姿態(tài)特征對指定區(qū)域內的人體進行摔倒檢測，無法全面地、準確地對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒。

技術實現思路

1、本發(fā)明提供了一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，以解決相關技術中的摔倒檢測方案基于單一的姿態(tài)特征對指定區(qū)域內的人體進行摔倒檢測，無法全面地、準確地對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒的問題。

2、根據本發(fā)明的一方面，提供了一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，包括：

3、通過目標區(qū)域內放置的超寬帶雷達，獲取所述目標區(qū)域內的人體超寬帶雷達回波信號；

4、對所述目標區(qū)域內的人體超寬帶雷達回波信號進行預處理，得到與所述目標區(qū)域內的人體超寬帶雷達回波信號對應的時間多普勒圖、距離多普勒圖以及距離時間圖；

5、根據所述時間多普勒圖、所述距離多普勒圖、所述距離時間圖以及預先訓練的多分支注意力網絡，確定所述目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果；其中，所述預先訓練的多分支注意力網絡包含時間多普勒圖檢測分支模型、距離多普勒圖檢測分支模型以及距離時間圖檢測分支模型；

6、根據所述第一人體摔倒檢測結果、所述第二人體摔倒檢測結果以及所述第三人體摔倒檢測結果，確定所述目標區(qū)域的最終的人體摔倒檢測結果。

7、根據本發(fā)明的另一方面，提供了一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測裝置，包括：

8、信號獲取模塊，用于通過目標區(qū)域內放置的超寬帶雷達，獲取所述目標區(qū)域內的人體超寬帶雷達回波信號；

9、信號處理模塊，用于對所述目標區(qū)域內的人體超寬帶雷達回波信號進行預處理，得到與所述目標區(qū)域內的人體超寬帶雷達回波信號對應的時間多普勒圖、距離多普勒圖以及距離時間圖；

10、網絡處理模塊，用于根據所述時間多普勒圖、所述距離多普勒圖、所述距離時間圖以及預先訓練的多分支注意力網絡，確定所述目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果；其中，所述預先訓練的多分支注意力網絡包含時間多普勒圖檢測分支模型、距離多普勒圖檢測分支模型以及距離時間圖檢測分支模型；

11、結果確定模塊，用于根據所述第一人體摔倒檢測結果、所述第二人體摔倒檢測結果以及所述第三人體摔倒檢測結果，確定所述目標區(qū)域的最終的人體摔倒檢測結果。

12、根據本發(fā)明的另一方面，提供了一種電子設備，所述電子設備包括：

13、至少一個處理器；

14、以及與所述至少一個處理器通信連接的存儲器；

15、其中，所述存儲器存儲有被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法。

16、根據本發(fā)明的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現本發(fā)明任一實施例所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法。

17、本發(fā)明實施例的技術方案，通過目標區(qū)域內放置的超寬帶雷達，獲取目標區(qū)域內的人體超寬帶雷達回波信號，對目標區(qū)域內的人體超寬帶雷達回波信號進行預處理，得到與目標區(qū)域內的人體超寬帶雷達回波信號對應的時間多普勒圖、距離多普勒圖以及距離時間圖；然后根據時間多普勒圖、距離多普勒圖、距離時間圖以及預先訓練的多分支注意力網絡，確定目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果；預先訓練的多分支注意力網絡包含時間多普勒圖檢測分支模型、距離多普勒圖檢測分支模型以及距離時間圖檢測分支模型；最后根據第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果，確定目標區(qū)域的最終的摔倒檢測結果，解決了相關技術中的摔倒檢測方案基于單一的姿態(tài)特征對指定區(qū)域內的人體進行摔倒檢測，無法全面地、準確地對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒的問題，可以自動基于多分支注意力網絡和超寬帶雷達對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒，可以從時間多普勒圖、距離多普勒圖以及距離時間圖的多個維度出發(fā)來全面地、準確地對指定區(qū)域內的人體進行摔倒檢測，確定指定區(qū)域內的人體是否摔倒。

18、應當理解，本部分所描述的內容并非旨在標識本發(fā)明的實施例的關鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術特征：

1.一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，包括：

2.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，根據所述時間多普勒圖、所述距離多普勒圖、所述距離時間圖以及預先訓練的多分支注意力網絡，確定所述目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果，包括：

3.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，根據所述時間多普勒圖、所述距離多普勒圖、所述距離時間圖以及預先訓練的多分支注意力網絡，確定所述目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果，包括：

4.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，根據所述時間多普勒圖、所述距離多普勒圖、所述距離時間圖以及預先訓練的多分支注意力網絡，確定所述目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果，包括：

5.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，根據所述第一人體摔倒檢測結果、所述第二人體摔倒檢測結果以及所述第三人體摔倒檢測結果，確定所述目標區(qū)域的最終的人體摔倒檢測結果，包括：

6.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，根據所述第一人體摔倒檢測結果、所述第二人體摔倒檢測結果以及所述第三人體摔倒檢測結果，確定所述目標區(qū)域的最終的人體摔倒檢測結果，包括：

7.根據權利要求1所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法，其特征在于，在通過目標區(qū)域內放置的超寬帶雷達，獲取所述目標區(qū)域內的人體超寬帶雷達回波信號之前，還包括：

8.一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測裝置，其特征在于，包括：

9.一種電子設備，其特征在于，所述電子設備包括：

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現權利要求1-7中任一項所述的基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法。

技術總結
本發(fā)明公開了一種基于多分支注意力網絡和超寬帶雷達的人體摔倒檢測方法。其中，方法包括：通過超寬帶雷達，獲取目標區(qū)域內的人體超寬帶雷達回波信號；對人體超寬帶雷達回波信號進行預處理，得到對應的時間多普勒圖、距離多普勒圖以及距離時間圖；根據時間多普勒圖、距離多普勒圖、距離時間圖以及預先訓練的多分支注意力網絡，確定目標區(qū)域的第一人體摔倒檢測結果、第二人體摔倒檢測結果以及第三人體摔倒檢測結果；確定最終的人體摔倒檢測結果。本發(fā)明實施例可以基于多分支注意力網絡和超寬帶雷達進行人體摔倒檢測，從時間多普勒圖、距離多普勒圖以及距離時間圖的多個維度出發(fā)來全面地、準確地對指定區(qū)域內的人體進行摔倒檢測。

技術研發(fā)人員：汪小葉,楊欽桓,李冬雄
受保護的技術使用者：惠州學院
技術研發(fā)日：
技術公布日：2025/1/9