检索结果-内蒙古大学图书馆

传感器与微系统 2025年第2期44卷 155-159页

作者：王萍高娇娇张振亚殷涛王文凯安徽建筑大学智能建筑与建筑节能安徽省重点实验室安徽合肥230022 安徽建筑大学电子与信息工程学院安徽合肥230601

针对现有摔倒检测方法存在的隐私保护度不够、准确率不高及可穿戴要求高等问题,提出一种基于超宽带(UWB)雷达和深度学习的摔倒检测方法。该方法使用一种商用UWB雷达信号采集板采集2D信道状态信息(CSI)数据。经小波去噪后,通过深度神经网... 详细信息

针对现有摔倒检测方法存在的隐私保护度不够、准确率不高及可穿戴要求高等问题,提出一种基于超宽带(UWB)雷达和深度学习的摔倒检测方法。该方法使用一种商用UWB雷达信号采集板采集2D信道状态信息(CSI)数据。经小波去噪后,通过深度神经网络(DNN)模型进行人员摔倒检测。其中,2D CSI数据由快时间和慢时间2个维度构成,所构造的深度神经网络模型由卷积神经网络(CNN)、长短记忆(LSTM)网络及全连接神经网络(FCN)三部分组成。最后,在高校科研实验室环境下,开展了实测实验以验证方法性能。结果表明:使用UWB2D CSI数据对室内人员摔倒检测具有较好检测性能,检测准确率可达97%;通过实验探讨了2D CSI窗口步长和设备安装位置对方法性能的影响。

关键词：摔倒检测超宽带雷达二维信道状态信息深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于UWB雷达的室内人员跌倒检测方法研究

基于UWB雷达的室内人员跌倒检测方法研究

引用

作者：高娇娇安徽建筑大学

学位级别：硕士

随着全球老龄化的持续增长,关注老年人的健康、安全以及提供符合老年人需求的服务成为当前亟待解决的重要社会问题之一。其中,跌倒是导致老年人致命和非致命伤害的主要原因之一,及时发现跌倒并预防伤害对老年人的健康生活至关重要。考... 详细信息

随着全球老龄化的持续增长,关注老年人的健康、安全以及提供符合老年人需求的服务成为当前亟待解决的重要社会问题之一。其中,跌倒是导致老年人致命和非致命伤害的主要原因之一,及时发现跌倒并预防伤害对老年人的健康生活至关重要。考虑到基于紧凑小巧型民用超宽带(Ultra Wide Band,UWB)雷达的跌倒检测方法具有精确度高、感知范围广、非接触式以及隐私保护好等特点。本文针对建筑物内部空间,开展了基于UWB雷达的室内人员跌倒检测方法研究。论文主要研究工作和结果如下: (1)针对现有跌倒检测方法存在的隐私保护度不够、精确度不高及可穿戴要求高等不足,提出一种基于超宽带雷达和二维信道状态信息的跌倒检测方法。该方法使用一款商用超宽带雷达信号采集板采集二维信道状态信息(Channel State Information,CSI)数据,经小波去噪后,通过深度神经网络(Deep Neural Networks,DNN)模型进行人员跌倒检测。其中,二维CSI数据由快时间和慢时间两个维度构成,所构造的深度神经网络模型由卷积神经网络(Convolutional Neural Networks,CNN)、长短记忆网络((Long Short Term Memory,LSTM)及全连接神经网络(Fully Connected Neural Network,FCN)三部分组成。最后,在高校科研实验室环境下开展了实测实验以验证方法性能。结果表明,该方法使用UWB二维CSI数据对室内人员跌倒检测具有较好检测性能,检测准确率可达97.6%;另外,本章还通过实验探讨了二维CSI窗口步长和设备安装位置对方法性能的影响。 (2)为满足实际养老监护场景对跌倒事件提前检测的需求,设计了一种基于UWB雷达与深度学习的即将跌倒检测方法研究。该方法利用UWB雷达信号板采集到二维CSI数据相位变化情况来反映人员当前动作,二维CSI相位信息经降噪处理,通过滑动窗口划分为若干个二维CSI矩阵。利用即将跌倒定义与线性系数标签自动化,对二维CSI矩阵打标签,并将其作为CNN-LSTM-FCN深度神经网络输入,进行特征提取与分类。其中,即将跌倒定义为人员从稳定可控状态到跌倒中间的过渡过程,结果表明,使用该方法对室内人员即将跌倒检测精确率可达到97.5%。同时,本章通过实验得到即将跌倒最佳检测范围为4m×4m,并探讨了不同卷积核大小、标签自动化方法、不同人员数据集与不同分类模型对方法性能的影响。 (3)针对单个UWB雷达即将跌倒检测中存在感知范围有限的问题,设计了一种基于双UWB雷达的室内人员即将跌倒检测方法。该方法中双UWB雷达采集二维CSI数据,经过Hampel滤波和高斯滤波进行降噪,滑动窗口划分,得到两组UWB雷达二维矩阵数据输入双分支深度神经网络,完成即将跌倒特征提取与分类。其中,双分支深度神经网络中任一分支由CNN块组成,一个UWB雷达产生的数据类比图像输入一个分支中进行特征提取,将每个分支特征图进行合并,利用全连接层进行分类。实验表明,该方法中即将跌倒动作检测具有较好的性能,通过设置最佳参数得到,检测准确率达到98.7%;另外,本章通过实验得到即将跌倒最佳检测范围为8m×8m,还探讨了不同滑动窗口宽度、不同UWB雷达数量、不同环境数据组合、不同分类模型对方法性能的影响。图[50]表[7]参[55]

关键词：跌倒检测即将跌倒检测超宽带雷达二维信道状态信息深度神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：