748,710
次編輯
變更
無編輯摘要
'''基于深度学习的毫米波雷达人体摔倒检测系统'''意外摔倒一直是威胁人们生命安全的重大隐患，近年来如何对摔倒动作进行及时准确地检测成为人们关注的焦点。本作品利用毫米波雷达采集人体摔倒的回波信号，利用MATLAB处理数据得到时频图，然后将时频图放入神经网络中，进而学习得到时频图中动作信息，最后分类得出检测结果。本作品利用毫米波雷达采集摔倒、弯腰、下蹲三种人体动作，构建三分类的时频图数据集，能够大幅度减少误测情况的发生。
关键词：毫米波雷达 <ref>[https://www.sohu.com/a/578000633_121124366?_trans_=000019_wzwza 干货！毫米波雷达超强解读]，搜狐，2022-08-19 </ref> 摔倒检测 卷积神经网络 深度学习
==应用背景：==
本系统主要包括雷达数据获取、训练数据生成、检测识别和终端应用四部分。
雷达数据获取部分，该系统采用毫米波雷达1642作为传感器 <ref>[https://www.sohu.com/a/404514914_120665387 传感器大全，收藏！]，搜狐，2020-06-28</ref> ，在雷达的检测区域内采集摔倒、弯腰、下蹲等动作的数据，构建原始数据集。该部分采集弯腰、下蹲等多种动作数据，还采集了前摔、后摔、侧摔等不同姿势的摔倒数据，以及一人摔倒一人行走、两人同时摔倒等多目标复杂场景的数据，不仅能使各种摔倒姿势都能被准确检测出来，还能减少误测情况的发生。
训练数据生成部分，雷达的发射天线发射线性调频脉冲信号，雷达的接收天线获取反射的动作信号。当接收天线采集到反射波后，混频器负责将收发天线的信号合并到一起，得到中频信号，经过ADC采样后进行短时傅里叶变换，得到时频图，生成深度学习网络的数据集。