基于毫米波雷达的摔倒防护智能报警方法与流程

本发明涉及毫米波雷达，尤其涉及一种基于毫米波雷达的摔倒防护智能报警方法。

背景技术：

1、随着科技的发展，人们对于生活辅助设备的需求越来越高，智能化设备能够提供更加便捷、安全的生活体验。健康和安全问题是全社会关注的焦点。借助先进的技术来实现对人员安全的有效保护受到了广泛的重视。在公共场所，如地铁站、商场等，人员密集，对于紧急事件的快速响应和处理需求越来越高，毫米波雷达技术可以提供有效的监控和预警手段。

2、公开号为cn115054233a的专利公开了一种基于毫米波雷达的跌倒检测智能报警方法，包括：通过毫米波雷达获取目标人体的当前姿态信息，并依据目标人体的当前姿态信息进行跌倒判断；依据目标人体的跌倒判断结果发出语音信息，并判断语音信息是否被响应；当语音信息被响应时，直接发出求救信息；当语音信息未被响应时，通过毫米波雷达获取目标人体的当前呼吸心跳信息，并依据目标人体的当前呼吸心跳信息进行智能报警。

3、由此可见存在以下问题：现有技术中可能由于目标人体姿态的误判而导致误报或者在某些情况下未能正确识别跌倒行为而产生漏报从而导致安全性低的问题。

技术实现思路

1、为此，本发明提供一种基于毫米波雷达的摔倒防护智能报警方法，用以克现有技术中可能由于目标人体姿态的误判而导致误报或者在某些情况下未能正确识别跌倒行为而产生漏报从而导致安全性低的问题。

2、为实现上述目的，本发明提供一种基于毫米波雷达的摔倒防护智能报警方法，包括：

3、步骤s1，通过毫米波雷达获取地铁站内乘客的运动速度、运动加速度、运动方向和运动轨迹，获取地铁站的环境数据，所述环境数据包括人流密度、湿度和温度；

4、步骤s2，根据所述运动速度、所述运动加速度、所述运动方向和所述运动轨迹以及所述环境数据获取对应的历史数据以得到第一历史数据；

5、步骤s3，根据所述速度、所述加速度、所述运动方向、所述运动轨迹和所述第一历史数据识别所述乘客的行为模式，根据所述乘客的行为模式和预设的安全行为模式进行对比以得到比较结果，根据所述比较结果判定所述乘客的行为模式是否存在异常，将存在异常的行为模式作为所述乘客的异常行为；

6、步骤s4，获取所述行为模式对应的历史数据以得到第二历史数据，根据所述乘客的异常行为和所述第二历史数据预测摔倒风险参数；分析所述人流密度、所述湿度和所述温度对所述摔倒风险参数的影响程度以得到影响参数值；

7、步骤s5，根据所述摔倒风险参数和所述影响参数值计算摔倒风险评分，根据所述摔倒风险评分和预设的摔倒风险阈值确定摔倒风险等级；

8、步骤s6，根据所述摔倒风险等级确定相应等级的报警策略。

9、进一步地，根据所述速度、所述加速度、所述运动方向、所述运动轨迹和所述第一历史数据识别所述乘客的行为模式的过程包括：

10、对所述速度、所述加速度、所述运动方向、所述运动轨迹进行标准化和去噪的处理以得到第一处理结果；

11、提取所述第一处理结果的速度的变化率、运动轨迹的曲率、加速度的异常值以得到第一特征结果；

12、将所述第一特征结果作为模型的输入参数并构建识别模型；

13、使用所述第一历史数据对所述识别模型进行训练以识别所述乘客的行为模式。

14、进一步地，根据所述乘客的行为模式和预设的安全行为模式进行对比以得到比较结果的过程包括：

15、所述乘客的行为模式和所述安全行为模式存在差异，则判定所述乘客的行为模式异常；

16、所述乘客的行为模式和所述安全行为模式不存在差异，则判定所述乘客的行为模式非异常。

17、进一步地，根据所述乘客的异常行为和所述第二历史数据预测摔倒风险参数的过程包括：

18、将所述乘客的异常行为和所述第二历史数据整合为一个数据集；

19、提取所述数据集的乘客年龄、乘客性别、乘客健康状况和乘客摔倒历史以得到第二特征结果；

20、根据所述第二特征结果构建预测模型，将所述第二特征结果作为预测模型的输入参数；

21、使用所述第二历史数据对所述预测模型进行训练以预测所述摔倒风险参数。

22、进一步地，使用所述第二历史数据对所述预测模型进行训练以预测所述摔倒风险参数的过程包括：

23、将整合后的数据集分割为训练集和测试集；

24、根据所述训练集对所述预测模型进行训练以得到训练模型；

25、根据所述测试集对所述训练模型进行验证以得到验证结果；

26、根据所述验证结果对所述预测模型进行调优以得到目标模型；

27、根据目标模型预测所述摔倒风险参数。

28、进一步地，分析所述人流密度、所述湿度和所述温度对所述摔倒风险参数的影响程度以得到影响参数值的过程包括：

29、对所述人流密度、所述湿度和所述温度进行清洗和数据转换的处理以得到第二处理结果；

30、按照时间顺序对所述第二处理结果进行整理以识别不同时间段各环境数据的变化趋势，其中，若有摔倒事件发生，将所述摔倒事件的数据与相应的时间段的环境数据进行关联以得到关联结果；

31、计算各所述环境数据的统计量以得到第一计算结果；

32、根据所述关联结果计算各所述环境数据对所述摔倒风险参数的相关性以得到第二计算结果；

33、根据所述第一计算结果和所述第二计算结果评估各所述环境数据对所述摔倒风险参数的影响程度；

34、根据所述第二计算结果和所述影响程度计算各所述环境数据的影响参数值。

35、进一步地，根据所述摔倒风险参数和所述影响参数值计算摔倒风险评分的过程包括：

36、对所述摔倒风险参数和所述影响参数值进行标准化处理以得到第三处理结果；

37、为所述摔倒风险参数和各所述影响参数值分配一个权重；

38、根据所述第三处理结果和相应的权重计算所述摔倒风险评分。

39、进一步地，根据所述摔倒风险评分和预设的摔倒风险阈值确定摔倒风险等级的过程包括：

40、将计算所述摔倒风险评分与所述摔倒风险阈值进行匹配以得到匹配结果；

41、根据所述匹配结果判定所述摔倒风险等级。

42、进一步地，根据所述匹配结果判定所述摔倒风险等级的过程包括：

43、设定所述摔倒风险阈值包括第一摔倒风险阈值、第二摔倒风险阈值和第三摔倒风险阈值；

44、所述摔倒风险等级包括第一摔倒风险等级、第二摔倒风险等级和第三摔倒风险等级，其中，

45、所述摔倒风险评分大于等于所述第一摔倒风险阈值且小于所述第二摔倒风险阈值，则判定所述摔倒风险等级为所述第一摔倒风险等级；

46、所述摔倒风险评分大于等于所述第二摔倒风险阈值且小于所述第三摔倒风险阈值，则判定所述摔倒风险等级为所述第二摔倒风险等级；

47、所述摔倒风险评分大于等于所述第三摔倒风险阈值，则判定所述摔倒风险等级为所述第三摔倒风险等级。

48、进一步地，步骤s6的过程包括：

49、所述摔倒风险等级为所述第一摔倒风险等级时，继续保持日常监控记录所述乘客的行为模式和所述人流密度；

50、所述摔倒风险等级为所述第二摔倒风险等级时，增加人工巡检的频率，在易滑区域设置警示标志，并定期检查地面情况；

51、所述摔倒风险等级为所述第三摔倒风险等级时，封锁摔倒区域，防止更多的乘客进入。

52、与现有技术相比，本发明的有益效果在于，本发明通过分析乘客的运动速度、加速度、方向和轨迹，毫米波雷达能够精确识别乘客的行为模式，从而准确判断是否存在异常行为。并结合环境数据，能够全面分析影响摔倒风险的各种因素，提高预测的准确性。通过预测摔倒风险参数和计算摔倒风险评分能够在摔倒发生前提前预警，采取相应的报警策略，减少意外伤害。

53、尤其，通过对速度、加速度、运动方向和运动轨迹进行标准化和去噪处理，有助于消除数据中的随机噪声和系统误差，提高数据质量。通过捕捉和反映乘客行为的本质特征，为行为识别提供有力的数据支持。通过历史数据训练，提高模型对不同行为模式的识别准确性，提升整体系统的性能。

54、尤其，通过实时对比乘客行为模式与安全行为模式，能够及时检测到任何异常行为，有助于在潜在的安全威胁发展成为严重问题时立即采取行动。

55、尤其，通过对乘客的异常行为和历史数据的分析，模型能够提前预测乘客的摔倒风险，从而提供早期预警。摔倒风险的准确预测有助于公共交通系统提高乘客的安全性能，减少意外伤害。

56、尤其，将整合后的数据集分割为训练集和测试集以确保模型在未知数据上的泛化能力。根据所述测试机对所述训练模型进行验证以得到验证结果有助于评估模型的准确性，确保模型在实际应用中能够有效预测摔倒风险。

57、尤其，通过识别环境因素与摔倒风险之间的关联，可以实现对摔倒事件的精准预警。及时地预警和干预可以减少摔倒事故的发生，保护乘客安全，有助于提高地铁站等公共场所的安全性，保护乘客的安全，并减少因摔倒造成的伤害和损失。

58、尤其，通过标准化的处理使得不同单位和范围的参数值能够在一个共同的尺度上进行比较和加权，提高了数据处理的一致性和准确性。为所述摔倒风险参数和各所述影响参数值分配一个权重强调了不同参数在摔倒风险评估中的相对重要性，确保了评估结果的合理性和针对性。通过计算摔倒风险评分，提供了一个综合性的风险量化指标，使医疗专业人员和患者能够直观地了解摔倒风险的水平。

59、尤其，通过设定预设的摔倒风险阈值，可以精确地将乘客分为不同的风险等级，从而提供个性化的护理和干预措施。通过精确的风险分层，可以更有效地分配资源，从而提高资源使用效率。

60、尤其，通过明确的等级划分可以清晰地识别出乘客的摔倒风险水平，从而为每个风险等级提供相应的预防和应对策略。通过对第三风险等级的乘客的早期识别和干预，可以有效减少摔倒事故的发生，降低受伤的风险。

61、尤其，通过实时监控和风险评估，根据乘客的行为模式和人流密度及时识别摔倒风险，从而采取相应的预防措施。在易滑区域设置警示标志和增加人工巡检频率，可以提醒乘客注意安全，并减少因地面状况不佳导致的摔倒事件。通过对摔倒风险的早期识别和处理，可以减少因摔倒造成的直接伤害和医疗费用。减少因摔倒事件导致的站内运营中断，保持地铁站正常运营。根据不同的摔倒风险等级，可以合理分配工作人员和资源，提高工作效率。在高风险等级时，可以集中资源和人力应对紧急情况，确保伤者得到及时救治。