一种人体动作检测系统及检测方法

本发明属人体动作检测，具体涉及一种人体动作检测系统及检测方法。

背景技术：

1、跌倒是指人体在行走、站立或进行其他活动时失去平衡并跌倒的情况。对于年长者、残障人士或健康状况较差的个体而言，跌倒可能导致严重的身体伤害，甚至危及生命。因此，跌倒检测技术的发展旨在提供一种及时识别和响应跌倒事件的方法，以减少跌倒所带来的风险和危害。

2、为了对老人提供更好的照护和保护，科学家和工程师开始探索利用技术手段来检测和预防跌倒事件。

3、随着计算机视觉、模式识别、机器学习和人工智能等领域的快速发展，跌倒检测技术得到了进一步的推动和改进。目前最常用的跌倒检测装置基本分为基于计算机视觉和基于惯性传感器两类，通过使用摄像头、传感器或智能设备等，可以实时获取人体的运动数据和姿势信息。这些数据被传送到跌倒检测系统中，使用算法和模型进行分析和判断，以识别出潜在的跌倒事件。一旦检测到跌倒，装置可以发出警报、通知护理人员或采取其他应急措施，以提供及时援助和保护。然而计算机视觉因拍摄角度等影响存在监控死角，且不适宜安装在隐私场所；惯性传感器要求用户随身携带，佩戴舒适度会很大程度影响用户体验，而且可能会因为忘记佩戴或未按时充电产生误报现象。

技术实现思路

1、本发明旨在针对现有技术中存在的技术问题，提供了一种人体动作检测系统及方法，由于一切运动的物体都会带上静电，本发明利用非接触式静电探测方法检测人体跌倒，静电探测技术利用运动中物体所带的静电实现对目标的探测识别。

2、本发明提供了一种人体动作检测系统，包括静电信号的探测极板、静电信号采集及分析系统和人体动作检测网络模型；所述静电信号的探测极板连接所述静电信号采集及分析系统，所述静电信号采集及分析系统连接所述人体动作检测网络模型；

3、所述静电信号的探测极板布置在人体活动的空间内；

4、所述静电信号采集及分析系统用于从所述静电信号的探测极板采集检测到的静电信号，再将采集到的所述静电信号转换为电压信号，并根据预设的规则，判断人体是否发生动作；

5、当判断人体发生动作时，将所述电压信号输入所述人体动作检测网络模型进行人体动作识别；

6、其中，所述人体动作检测网络模型为基于vmd-ecanet的深度神经网络模型，包括变分模态分解vmd和ecanet多通道残差卷积神经网络。

7、优选地，所述静电信号采集及分析系统包括静电传感模块、数据采集和存储模块、数据分析模块和供电模块，所述静电传感模块与所述静电信号的探测极板连接，所述静电传感模块与所述数据采集和存储模块连接，所述数据采集和存储模块与所述数据分析模块连接，所述供电模块与所述静电传感模块、所述数据采集和存储模块、所述数据分析模块均连接；所述静电传感模块完成感知静电场、将感应到的静电荷转换静电电压信号、静电电压信号的放大与滤波，所述数据采集和存储模块按预设周期采集放大、滤波后的所述静电电压信号，再输入所述数据分析模块；所述数据分析模块根据预设的规则，判断是否人体发生动作，并在判断人体发生动作时将静电电压信号输入人体动作检测网络模型进行动作检测。

8、优选地，所述预设的规则为将该输入的静电信号电压值与预设阈值进行对比，如果大于预设阈值，则判断为检测到人体发生动作。

9、优选地，预设阈值设为静电信号采集系统满量程的5-10%。

10、优选地，所述静电信号采集及分析系统采集并记录人体做出各种动作时产生的静电信号。

11、优选地，各种动作持续时间均低于预设时长，使用预设时长的窗口对采集的静电信号进行截取得到有效信号，将预处理后的静电信号数据集划分为训练集和测试集。

12、优选地，所述动作包括跌倒，还至少包括坐下、蹲下、起立、走路、摆臂、伸展和弯腰中的一种。

13、优选地，所述人体动作检测网络模型中，变分模态分解vmd对输入的静电电压信号进行变分模态分解，得到多个模态分量，ecanet多通道残差卷积神经网络对得到的模态分量进行特征提取，再通过ecanet各通道残差卷积神经网络的注意力机制模块进行特征信息融合，最后将融合后的特征输入分类器中进行分类，得到检测结果。

14、优选地，在所述人体动作检测网络模型的训练过程中，设置交叉熵损失函数作为目标函数，并使用随机梯度下降算法来优化所述人体动作检测网络模型的参数。

15、优选地，还包括报警装置，当检测到人体跌倒时，发出报警。

16、本发明提供了一种人体动作检测方法，用于上述的人体动作检测系统，包括如下步骤：

17、步骤1，将静电信号的探测极板布置在人体活动的空间内；

18、步骤2，所述静电信号采集及分析系统从所述静电信号的探测极板采集检测到的静电信号，再将采集到的所述静电信号转换为电压信号，并根据预设的规则，判断人体是否发生动作；

19、当判断人体发生动作时，将所述电压信号输入所述人体动作检测网络模型进行人体动作识别。

20、优选地，还包括，在检测到人体跌倒时，发出报警。

21、与现有技术相比，本发明所产生的有益效果是：

22、1、本发明通过布设的探测极板对人体运动进行实时探测，具有非接触、不受光照影响、隐私性好等优点。

23、2、本发明通过检测人体运动时产生的静电信号检测人体是否发生动作，如跌倒，具有实时性好、计算量小等优点。

24、3、本发明能够在保护用户隐私的同时，可靠地检测人体跌倒事件，并提供报警，为医护人员提供及时的响应机会，可应用在医院、社区等环境，对独居老人等群体进行跌倒检测。

技术特征：

1.一种人体动作检测系统，其特征在于，包括静电信号的探测极板、静电信号采集及分析系统和人体动作检测网络模型；所述静电信号的探测极板连接所述静电信号采集及分析系统，所述静电信号采集及分析系统连接所述人体动作检测网络模型；

2.根据权利要求1所述的人体动作检测系统，其特征在于，所述静电信号采集及分析系统包括静电传感模块、数据采集和存储模块、数据分析模块和供电模块，所述静电传感模块与所述静电信号的探测极板连接，所述静电传感模块与所述数据采集和存储模块连接，所述数据采集和存储模块与所述数据分析模块连接，所述供电模块与所述静电传感模块、所述数据采集和存储模块、所述数据分析模块均连接；所述静电传感模块完成感知静电场、将感应到的静电荷转换静电电压信号、静电电压信号的放大与滤波，所述数据采集和存储模块按预设周期采集放大、滤波后的所述静电电压信号，再输入所述数据分析模块；所述数据分析模块根据预设的规则，判断是否人体发生动作，并在判断人体发生动作时将静电电压信号输入人体动作检测网络模型进行动作检测。

3.根据权利要求2所述的人体动作检测系统，其特征在于，所述预设的规则为将该输入的静电信号电压值与预设阈值进行对比，如果大于预设阈值，则判断为检测到人体发生动作。

4.根据权利要求3所述的人体动作检测系统，其特征在于，预设阈值设为静电信号采集系统满量程的5-10%。

5.根据权利要求2所述的人体动作检测系统，其特征在于，所述静电信号采集及分析系统采集并记录人体做出各种动作时产生的静电信号。

6.根据权利要求5所述的人体动作检测系统，其特征在于，各种动作持续时间均低于预设时长，使用预设时长的窗口对采集的静电信号进行截取得到有效信号，将预处理后的静电信号数据集划分为训练集和测试集。

7.根据权利要求6所述的人体动作检测系统，其特征在于，所述动作包括跌倒，还至少包括坐下、蹲下、起立、走路、摆臂、伸展和弯腰中的一种。

8.根据权利要求7所述的人体动作检测系统，其特征在于，所述人体动作检测网络模型中，变分模态分解vmd对输入的静电电压信号进行变分模态分解，得到多个模态分量，ecanet多通道残差卷积神经网络对得到的模态分量进行特征提取，再通过ecanet各通道残差卷积神经网络的注意力机制模块进行特征信息融合，最后将融合后的特征输入分类器中进行分类，得到检测结果。

9.根据权利要求8所述的人体动作检测系统，其特征在于，在所述人体动作检测网络模型的训练过程中，设置交叉熵损失函数作为目标函数，并使用随机梯度下降算法来优化所述人体动作检测网络模型的参数。

10.一种人体动作检测方法，其特征在于，用于权利要求1-9任一项所述的人体动作检测系统，包括如下步骤：

技术总结本发明公开了一种人体动作检测系统及检测方法，属于人体动作检测技术领域。本发明将静电信号的探测极板布置在人体活动的空间内；静电信号采集及分析系统从静电信号的探测极板采集检测到的静电信号，再将采集到的所述静电信号转换为电压信号，并根据预设的规则，判断人体是否发生动作；当判断人体发生动作时，将电压信号输入人体动作检测网络模型进行人体动作识别。本发明能无接触的检测人跌倒，利用人体工作产生的静电进行检测，计算量小，不受光线影响，实时性好，隐蔽性好。技术研发人员：陈曦,秦泗超,严嘉奥,李鹏斐,王伟,韩若愚受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/6/5