基于RDSNet的毫米波雷达人体跌倒检测方法

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.