[发明专利]姿态识别方法、装置、设备及计算机可读介质

权利要求书

1.一种姿态识别方法，其特征在于，包括：

获取毫米波雷达传感器接收到的反射信号，其中，所述反射信号为所述毫米波雷达传感器发送发射信号后在物体上反射形成的信号，所述物体包括目标对象；

根据所述反射信号生成第一图像，其中，所述第一图像为多帧连续的所述反射信号对应的多帧连续图像；

利用第一神经网络模型对所述第一图像进行识别；

根据所述第一神经网络模型对所述第一图像的识别结果确定所述目标对象的姿态，其中，所述第一神经网络模型是采用具有标记信息的训练数据对第二神经网络模型进行训练后得到的，所述标记信息用于标记所述训练数据中识别对象的姿态，所述识别结果用于指示所述识别对象与各种姿态的关联关系。

2.根据权利要求1所述的方法，其特征在于，根据所述反射信号生成第一图像包括：

利用信号处理器将所述反射信号转换为点云数据；

采用聚类的方式将连续时刻得到的所述点云数据转化为多帧连续的所述第一图像。

3.根据权利要求2所述的方法，其特征在于，采用聚类的方式将连续时刻得到的所述点云数据转化为多帧连续的所述第一图像包括：

利用所述点云数据的分布确定簇的数量；

初始化每个所述簇的高斯分布参数，并将每个当前所述簇的中心作为中心点；

利用所述高斯分布参数确定每个点云所属的所述簇，并调整每个所述簇的所述中心点，直至每个所述簇的所述中心点的位置不发生改变；

在每个所述簇的所述中心点的位置不发生改变的情况下，利用各个时刻的所述点云数据生成多帧连续的所述第一图像。

4.根据权利要求2所述的方法，其特征在于，利用第一神经网络模型对所述第一图像进行识别之前，所述方法还包括按照如下方式对所述目标对象进行定位和追踪：

对所述点云数据进行卡尔曼滤波，以确定所述目标对象，并得到所述目标对象在目标空间内的位置；

利用连续多个时刻的所述点云数据确定所述目标对象在所述目标空间内的移动路径。

5.根据权利要求1所述的方法，其特征在于，根据所述第一神经网络模型对所述第一图像的识别结果确定所述目标对象的姿态包括：

获取所述第一神经网络模型输出的识别结果，其中，所述识别结果包括所述目标对象处于各个姿态的预测值；

将所述预测值中的最大值作为最终的识别结果，并将所述最大值指示的姿态作为所述目标对象最终的姿态。

6.根据权利要求1至5任一所述的方法，其特征在于，利用第一神经网络模型对所述第一图像进行识别之前，所述方法还包括：

通过所述训练数据对所述第二神经网络模型内各参数进行初始化，得到第三神经网络模型；

在所述第三神经网络模型对测试数据的识别准确度达到目标阈值的情况下，将所述第三神经网络模型作为所述第一神经网络模型；

在所述第三神经网络模型对所述测试数据的识别准确度未达到所述目标阈值的情况下，继续使用所述训练数据对所述第三神经网络模型进行训练，以调整所述第三神经网络模型内各参数的数值，直至所述第三神经网络模型对所述测试数据的识别准确度达到所述目标阈值。

7.根据权利要求6所述的方法，其特征在于，在确定所述目标对象处于跌倒姿态的情况下，所述方法还包括：

生成蜂鸣警示信号，并将所述蜂鸣警示信号发送至蜂鸣装置，以控制所述蜂鸣装置发出鸣响；

和/或，

生成跌倒求助信号，并将所述跌倒求助信号发送至目标救助人员，以提示所述目标救助人员对所述目标对象实施救助。