[发明专利]基于ResNet网络的雷达跌倒检测方法及设备

权利要求书

1.一种基于ResNet网络的雷达跌倒检测方法，其特征在于，包括以下步骤：

S1、利用雷达采集运动姿态数据；

S2、将采集到数据按照时间顺序将数据重构为N₁×N₂×N₃的RDT三维数据；其中N1为每个周期采样的数据点数，N₂为一帧含有的脉冲数，N₃为构成一次检测窗口的帧数；

基于所得到的三维数据，对每一次回波进行滤波处理；

然后需要对雷达进行RD频谱变换，首先对R维数据进行加窗处理，然后进行FFT变换；再将D维数据进行加窗处理，然后进行FFT变换；这样对T维的每一层数据都进行RD变换就得到了RD频谱；

S3、将T维度上得到的每一帧与前一帧相减得到去静态RD频谱；对所得的复数三维数据进行绝对值归一化变换得到最终的结果；

S4、进行STFT阈值滤波；

S5、将STFT阈值滤波后的特征图输入用于跌倒检测的ResNet网络进行跌倒检测。

2.根据权利要求1所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，S2中采用海明窗进行加窗处理。

3.根据权利要求2所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，S4中STFT阈值滤波的过程包括以下步骤：

对于T维度上的每一层RD频谱结果，将其R维上的数据对应的数据点以合并的方式进行变换将其融为1维，对该一维的数据进行阈值滤波处理，对与所有超过阈值范围的结果予以保留，对于低于阈值范围的数据进行滤除；最后将数据重构得到多普勒时间图像。

4.根据权利要求3所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，进行阈值滤波处理时的阈值范围是归一化结果的0.01倍，归一化是指在将R维数据合并过程中的归一化。

5.根据权利要求4所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，利用雷达采集运动姿态数据的过程中，雷达的采集频率为1帧/s；即每秒只采集一次数据，持续40ms；对采集到的数据进行RD频谱变换并将结果对比静止状态，如果识别结果为无人或静止状态，则雷达继续维持低功耗检测模式不变；当检测到有运动目标出现或者其它运动姿态时，则判断有人经过，雷达转入采集模式，采集频率为25帧/s；随后一直维持这种工作模式直到连续20s内检测到结果都是无人或者静止，则雷达再次转入低功率采集模式。

6.根据权利要求5所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，雷达的采样频率为10Mbps，每个周期采样256数据点，225脉冲为一帧，125帧构成一次检测窗口。

7.根据权利要求1至6之一所述的一种基于ResNet网络的雷达跌倒检测方法，其特征在于，所述用于跌倒检测的ResNet网络为改进ResNet网络，改进ResNet网络的处理过程如下：

首先采用多分支同构结构对输入图像进行处理，然后利用最大池化和平均池化进行处理，将最大池化和平均池化提取的特征进行融合，之后再送入改进残差块网络处理，改进的残差块网络处理之后，通过连接层之后利用分类器输出跌倒检测结果；

所述多分支同构结构由多条独立路径的卷积处理同构结构并联而成，每条独立路径的卷积处理结构相同；

改进残差块网络由若干个改进残差块构成，每个改进残差块为多重残差结构，多重残差结构包括四个处理通路，分别记为第一至第四通路，其中，

第一通路不做处理；

第二通路：3×3卷积层+BN层；

第三通路：3×3卷积层+BN-RELU层+3×3卷积层+BN层；

第四通路：3×3卷积层+BN-RELU层+1×3卷积层+BN-RELU层+3×1卷积层+BN层；

第二通路至第四通路融合后经过CBAM模块处理后与第一通路融合。