一种毫米波雷达点云与体动协同的失能检测方法及系统与流程

摘要: 本发明涉及智能感知与健康监测,尤其涉及一种毫米波雷达点云与体动协同的失能检测方法及系统。背景技术:1、在养老护理和康复监测中,准确评估老年人的失能等级(如能否独...
一种毫米波雷达点云与体动协同的失能检测方法及系统与流程

本发明涉及智能感知与健康监测,尤其涉及一种毫米波雷达点云与体动协同的失能检测方法及系统。

背景技术:

1、在养老护理和康复监测中,准确评估老年人的失能等级(如能否独立起床、能否独立进行床椅转移、四肢活动能力如何)是制定个性化护理计划、合理配置护理资源的关键依据。目前,长期护理失能等级评估主要依赖评估专家现场问询和查体等方式,易受主观因素干扰,难以全面客观地反映被评估人的实际身体机能状况。

2、为解决以上问题,现有技术提出了多种基于传感器的自动监测方案。一是基于摄像头的视觉监测方案,通过深度相机或普通摄像头捕捉人体姿态和动作细节,利用计算机视觉算法识别活动类型。二是基于可穿戴惯性传感器(如手环、智能腰带等)的方案,通过加速度计、陀螺仪获取体动信号。三是基于毫米波雷达的监测方案,该技术凭借穿透性强、全天时工作且不采集图像信息等优势,近年来被逐步引入智慧康养领域;该类方案通过发射调频连续波并接收人体反射回波,生成点云数据或体动能量信号,用于存在检测、跌倒检测或睡眠呼吸监测等任务。

3、但上述现有技术存在以下局限:摄像头方案隐私泄露风险突出,且受光照条件影响大,不适合私密场景;可穿戴设备需要用户主动佩戴并定期维护,失能人群依从性差,难以实现长期连续监测。毫米波雷达方案虽具备无感优势,但现有产品普遍将人体视为质点,仅关注单一维度信息(点云或体动),未能将二者协同分析,无法区分“健康人的静卧”(存在周期性翻身、四肢伸展等有意识大幅体动,点云分布范围广且动态变化)与“失能人的卧床”(仅存在呼吸、心跳等无意识微动,点云高度集中于躯干区域),也缺乏对活动能力的量化评估手段。

4、综上,现有的长期护理失能等级评估方案存在主观评估一致性差、单维度监测可靠性不足、缺乏体动与点云协同分析机制、无法区分自主活动与被动体动以及无法量化评估失能等级的技术问题。

技术实现思路

1、本发明的目的在于提供一种毫米波雷达点云与体动协同的失能检测方法及系统,旨在解决现有的长期护理失能等级评估方案存在主观评估一致性差、单维度监测可靠性不足、缺乏体动与点云协同分析机制、无法区分自主活动与被动体动以及无法量化评估失能等级的技术问题。

2、为实现上述目的,本发明提供了一种毫米波雷达点云与体动协同的失能检测系统,包括毫米波雷达传感器模组、双通道数据生成模块、体动特征提取模块、点云特征提取模块、协同判定模块及其预警与报告输出模块,所述毫米波雷达传感器模组的输出端与所述双通道数据生成模块的输入端连接,所述毫米波雷达传感器模组用于向监测区域发射调频连续波信号并接收人体反射的回波信号,将所述回波信号输出至所述双通道数据生成模块;

3、所述双通道数据生成模块的第一输出端与所述点云特征提取模块的输入端连接,所述双通道数据生成模块的第二输出端与所述体动特征提取模块的输入端连接,所述双通道数据生成模块用于对回波信号进行并行处理,分别生成点云数据并输出至所述点云特征提取模块,以及生成体动能量时序信号并输出至所述体动特征提取模块;

4、所述体动特征提取模块的输出端与所述协同判定模块的第一输入端连接,所述体动特征提取模块用于从体动能量时序信号中提取体动强度特征、大幅体动占比特征、微动-体动比特征、体动空间分布特征和体动节律性特征,并输出至所述协同判定模块;

5、所述点云特征提取模块的输出端与所述协同判定模块的第二输入端连接,所述点云特征提取模块用于从点云数据中提取区域点云密度比特征、空间离散度特征、远端活跃度特征和重心高度变化特征,并输出至所述协同判定模块;

6、所述协同判定模块的输出端与所述预警与报告输出模块的输入端连接,所述协同判定模块用于对体动特征与点云特征进行时间对齐和协同分析,输出失能等级和置信度信息至所述预警与报告输出模块;

7、所述预警与报告输出模块用于输出监测结果和预警信息。

8、其中,所述双通道数据生成模块包括点云数据生成单元和体动信号生成单元,所述点云数据生成单元用于对回波信号进行二维fft生成距离-多普勒矩阵,经cfar恒虚警检测和dbscan密度聚类后,生成单帧三维点云集合,并对连续多帧进行堆叠构造四维时序点云张量;

9、所述体动信号生成单元用于锁定人体目标距离门,对回波信号进行能量积分得到复值体动能量时序,并构造hankel矩阵经低秩填充和特征值分解后,按频率区间拆分微动能量和大幅体动能量。

10、其中,所述系统还包括动态区域划分模块,所述动态区域划分模块的输入端与所述双通道数据生成模块的第一输出端连接,所述动态区域划分模块的输出端分别与所述体动特征提取模块的输入端和所述点云特征提取模块的输入端连接;

11、所述动态区域划分模块用于以每帧点云重心为动态原点建立相对坐标系,将监测空间动态划分为躯干核心区、近端肢体区和远端肢体区三个同心层级区域,并将区域划分结果分别输出至所述体动特征提取模块和所述点云特征提取模块。

12、其中,所述协同判定模块包括特征对齐单元、一致性校验单元和分级判定单元,所述特征对齐单元用于将同一时间窗口内的体动特征与点云特征进行时间对齐,形成联合特征向量;

13、所述一致性校验单元用于对体动特征与点云特征的判定结论进行交叉验证,当二者一致时输出高置信度等级,当存在冲突时标记为需复核状态;

14、所述分级判定单元用于基于规则判定与机器学习分类器相结合的综合判定策略输出失能等级。

15、其中,所述系统还包括特定动作能力评估模块,所述特定动作能力评估模块的输入端与所述双通道数据生成模块的输出端连接,所述特定动作能力评估模块用于根据点云重心轨迹和体动信号变化特征判定人体独立起床能力和床椅转移能力。

16、本发明还提供一种毫米波雷达点云与体动协同的失能检测方法,应用于如上述所述的毫米波雷达点云与体动协同的失能检测系统,包括如下步骤:

17、通过所述毫米波雷达传感器模组采集人体回波信号,经所述双通道数据生成模块并行生成点云数据和体动能量时序信号;

18、根据生成的点云数据,通过所述动态区域划分模块以每帧点云重心为动态原点建立相对坐标系,将监测空间动态划分为躯干核心区、近端肢体区和远端肢体区;

19、根据生成的体动能量时序信号以及所述动态区域划分模块的区域划分结果,通过所述体动特征提取模块从体动信号中提取体动强度特征、大幅体动占比特征、微动-体动比特征、体动空间分布特征和体动节律性特征;

20、根据生成的点云数据以及所述动态区域划分模块的区域划分结果,通过所述点云特征提取模块从点云数据中提取区域点云密度比特征、空间离散度特征、远端活跃度特征和重心高度变化特征;

21、通过所述协同判定模块将提取的体动特征与提取的点云特征进行时间对齐和协同分析,当二者判定结果一致时输出高置信度等级,当存在冲突时标记需复核;

22、通过所述协同判定模块根据协同分析后形成的联合特征向量判定人体失能等级,并通过所述预警与报告输出模块输出监测结果和预警信息。

23、其中,所述微动-体动比特征中的微动-体动比为微动能量与总体动能量之比,其中微动能量对应于呼吸和心跳频段的信号能量,用于量化人体自主活动意图的强弱。

24、其中,所述体动空间分布特征具体指:将体动信号通过多普勒速度谱与点云位置信息的关联映射到三个区域,计算各区域体动占比。

25、其中,所述体动节律性特征通过对体动能量时间序列进行自相关分析或频域分析获得,用于评估人体昼夜节律和睡眠周期是否正常。

26、本发明的一种毫米波雷达点云与体动协同的失能检测方法及系统,将毫米波雷达的体动信号与点云空间分布特征进行有机融合,用于失能等级的联合判定。相比于单纯依赖点云特征或单纯依赖体动信号的现有方案,本发明具有以下显著优势:

27、1、信息来源更全面,判定可靠性更高。通过双通道数据生成模块对同一回波信号并行处理,同时获取体动信号和点云数据,从“有无活动意愿”和“活动发生在哪里”两个独立维度同时刻画人体活动能力。并且建立体动与点云之间的交叉验证机制:当两个维度的信息相互印证时,判定置信度显著提升;当二者出现矛盾时,系统能够自动识别并标记为需复核状态,从而有效避免单一信息来源局限性导致的误判。

28、2、能够有效区分自主活动与被动体动。通过对体动信号进行频域分析,将呼吸、心跳等无意识微动与自主大幅体动进行分离,并引入微动-体动比特征量化“自主活动意愿”这一关键失能评估维度,弥补了现有方案无法区分“健康人的静卧”与“失能人的卧床”的核心缺陷。

29、3、能够实现精细化的肢体活动定位。通过所述动态区域划分模块以每帧点云重心为动态原点建立相对坐标系,将监测空间动态划分为躯干核心区、近端肢体区和远端肢体区三个同心层级区域,并将体动信号映射到各区域,直接对应失能评估中的四肢活动能力这一核心指标,实现对失能程度的精细化量化评估。

30、4、无感监测且具备量化评估能力。相比摄像头方案,本技术方案不采集任何图像信息,保护用户隐私;相比可穿戴设备,无需用户佩戴任何设备,失能人群依从性好,可实现长期连续监测。同时,本技术方案能够输出连续的活动能力评分和离散的失能等级,可有效解决长护险经办中失能评估依赖主观判断、难以连续监测的痛点。