元志安¹,
周笑宇¹,
刘心溥¹,
卢大威^1,,,
邓彬¹,
马燕新²
1.国防科技大学电子科学学院 长沙 410073
2.国防科技大学气象海洋学院 长沙 410073
基金项目:国家自然科学基金(61871386)，湖南省****基金(2019JJ20022)

详细信息

作者简介:元志安(1997–)，男，山东潍坊人，国防科技大学电子科学学院硕士研究生，主要研究方向为智能信息感知与处理
周笑宇(1997–)，男，重庆北碚人，国防科技大学电子科学学院硕士研究生，主要研究方向为三维点云目标跟踪
刘心溥(1997–)，男，河北石家庄人，国防科技大学电子科学学院硕士研究生，主要研究方向为三维点云补全
卢大威(1981–)，男，湖北安陆人，国防科技大学电子科学学院讲师，主要研究方向为雷达系统仿真、雷达信号处理、随机有限集滤波与扩展目标跟踪
邓彬：邓　彬(1981–)，男，山东邹城人，国防科技大学电子科学学院副研究员，主要研究方向为合成孔径雷达、太赫兹雷达微动与成像
马燕新(1989–)，男，江西永新人，国防科技大学气象海洋学院讲师，主要研究方向为三维计算机视觉

通讯作者:卢大威 davidloo.nudt@gmail.com

责任主编：黄磊 Corresponding Editor: HUANG Lei
中图分类号:TN957.51

计量

文章访问数:900
HTML全文浏览量:216
PDF下载量:245
被引次数:0

出版历程

收稿日期:2021-02-26
修回日期:2021-07-13
网络出版日期:2021-07-26

Human Fall Detection Method Using Millimeter-wave Radar Based on RDSNet

YUAN Zhian¹,
ZHOU Xiaoyu¹,
LIU Xinpu¹,
LU Dawei^1,,,
DENG Bin¹,
MA Yanxin²
1. College of Electronic Science, National University of Defense Technology, Changsha 410073, China
2. College of Meteorology and Oceanography, National University of Defense Technology, Changsha 410073, China
Funds:The National Natural Science Foundation of China (61871386), The Natural Science Fund for Distinguished Young Scholars of Hunan Province (2019JJ20022)

More Information

Corresponding author:LU Dawei, davidloo.nudt@gmail.com

摘要
摘要:随着人口老龄化的到来，跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用，该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征提取得到特征向量，然后将动态序列对应的特征向量序列依次输入长短时记忆网络，进而学习得到热图序列的时间相关性信息，最后通过分类器网络得到检测结果。利用毫米波雷达采集了不同对象的多种人体动作，构建了距离多普勒热图数据集。对比试验表明，所提出的RDSNet网络模型检测准确率可达到96.67%，计算时延小于50 ms，而且具有良好的泛化能力，可为跌倒检测和人体姿态识别提供新的技术思路。
关键词:毫米波雷达/
跌倒检测/
距离多普勒/
卷积神经网络/
长短时记忆网络
Abstract:With the advent of the aging population, fall detection has gradually become a research hotspot. Aiming at the detection of human fall using millimeter-wave radar, a Range-Doppler heat map Sequence detection Network (RDSNet) model that combines the convolutional neural network and long short-term memory network is proposed in this study. First, feature extraction is performed using the convolutional neural network. After obtaining the feature vector, the feature vector corresponding to the dynamic sequence is inputted to the long short-term memory network. Subsequently, the time correlation information of the heat map sequence is learned. Finally, the detection results are obtained using the classifier. Moreover, diverse human movement information of different objects is collected using millimeter-wave radar, and a range-Doppler heat map dataset is built in this work. Comparative experiments show that the proposed RDSNet model can reach an accuracy of 96.67% and the calculation delay is not higher than 50 ms. The proposed RDSNet model has good generalization capabilities and provides new technical ideas for human fall detection and human posture recognition.
Key words:Millimeter-wave radar/
Fall detection/
Range Doppler/
Convolutional Neural Network (CNN)/
Long Short-Term Memory network (LSTM)



PDF全文下载地址:

https://plugin.sowise.cn/viewpdf/198_7db873e5-ac46-48a0-aeb5-bafd093f0357_R21015