基于深度学习的毫米波雷达人体摔倒检测系统研究.pdfVIP

基于深度学习的毫米波雷达人体摔倒检测系统研究

摘要：针对现有摔倒检测系统难以完成全天时检测、存在侵犯被检测人隐私的问题，该文设计了一

种基于深度学习的毫米波雷达人体摔倒检测系统，包括信号采集、训练数据生成、智能检测和显示

与告警四个部分。该系统利用1642毫米波雷达采集数据，对数据进行短时傅里叶变换，经数据增

强后构建时频图数据集，通过ResNet101网络进行动作检测。检测为摔倒动作后，向远程接收端发

送报警信息。该系统能够检测摔倒、弯腰、下蹲三种动作。实测结果表明，检测准确率为94.3%。

关键词：摔倒检测；毫米波雷达；ResNet101网络；时频联合分析

Researchonmillimeterwaveradarhumanfalldetectionsystembasedon

deeplearning

Abstract:Aimingattheproblemthattheexistingfalldetectionsystemisdifficulttocompleteall-day

detectionandviolatestheprivacyofthedetectedperson，adeeplearning⁃basedmillimeterwaveradar

humanfalldetectionsystemisdesigned，whichincludesfourparts:signalacquisition，trainingdata

generation，intelligentdetectionandalarmdisplay.Thesystemuses1642millimeterwaveradarto

collectdata，andperformsshort⁃timeFouriertransformonthedata.Afterdataenhancement，thetime⁃

frequencypicturedatasetisconstructed，andtheactiondetectioniscarriedoutthroughResNet101

network.Ifthedetectionresultisfall，alarminformationwillbesenttotheremotereceiver.Thesystem

candetectthreemovementsincludingfalling，bendingandsquat.Themeasuredresultsshowthatthe

accuracyofdetectionis94.3%.

Keywords:falldetection；millimeterwaveradar；ResNet101network；jointtime⁃frequencyanalysis

[4]

据世界卫生组织报告，全世界每年因摔倒造成检测。基于视频分析的方法受限于光照条件，难

死亡的有64.6万人，跌倒是老年人受伤死亡的重要以全天时全天候检测，同时需要对检测区域进行

[1]

原因。因此，开发准确有效的摔倒检测系统有重要录像，存在泄露隐私的风险。基于红外、震动等环

的现实意义。境传感器的方法布置成本高、容易受环境影响，准

[5]

通过研究文献发现，现有的摔倒检测方法主确性较低。

[2]

要有三种：基于可穿戴设备的方法、基于视频分针对以上问题，该文设计了一种基于深度学习

[3]

析的方法和基于环境传感器的方法。可穿戴检的毫米波雷达摔倒检测系统，能够实现全天时全天

测设备影响穿戴者的舒