本发明涉及雷达检测跌倒领域，特别涉及一种跌倒检测方法、装置、设备及可读存储介质。
背景技术：
1、毫米波雷达作为一种新兴的无源非接触式检测技术,其具有穿透力强、抗干扰能力好等优点,在智能家居及监护类产品中得到越来越广泛的应用。基于毫米波的微动检测雷达可以精确检测出人体肢体的微小运动,从而可以实现对人员跌倒等异常行为的实时监测。
2、然而，尽管毫米波雷达能够提供人体运动的基本信息，其智能分析能力有限，往往只能提供简单的运动检测，难以准确判定是否为跌倒事件，容易出现误判或漏判的情况。
3、有鉴于此，提出本申请。
技术实现思路
1、本发明公开了一种跌倒检测方法、装置、设备及可读存储介质，旨在增强雷达对微小运动的识别和跟踪能力，减少误判和漏判。
2、本发明第一实施例提供了一种跌倒检测方法，包括：
3、获取由配置在墙体上的雷达以预设角度对目标区域进行采集到的监测数据，并对所述监测数据进行中频采样，以生成多路adc数据；
4、对每一路所述adc数据进行处理，以筛选出幅值大于阈值的运动目标集；
5、对所述运动目标集的每一帧目标进行遍历，以对所述运动目标集的每一帧目标进行归类，并计算每一类的置信坐标点；
6、基于所述每一类的置信坐标点对每一类目标进行跟踪，以生成跟踪数据；
7、基于采样周期和所述跟踪数据确定微动目标，并输出所述微动目标的位置，调用预训练的跌倒模型对所述微动目标的位置和对应的点云数据进行判断是否出现跌倒行为。
8、优选地，所述对每一路所述adc数据进行处理，以筛选出幅值大于阈值的运动目标集，具体为：
9、对每一路所述adc信号进行一维快速傅里叶变换，以生成多个目标的距离信息；
10、对多个所述目标的距离信息进行二维快速傅里叶变换，以生成多个目标的速度信息；
11、将多个目标的速度信息进行波束形成和幅值归一化，并筛选出幅值大于阈值的运动目标集。
12、优选地，所述对所述运动目标集的每一帧目标进行遍历，以对所述运动目标集的每一帧目标进行归类，具体为：
13、对所述运动目标集的每一帧目标进行遍历，以计算每一帧目标之间的欧式距离，在判断欧式距离小于δd1时归为第一类，在判断欧式距离大于δd1时归为第二类。
14、优选地，所述基于所述每一类的置信坐标点对每一类目标进行跟踪，以生成跟踪数据，具体为：
15、获取当前帧点云数据与上一帧点云数据的，并在判断到当前帧点云数据与上一帧点云数据的置信点能量大于能量阈值、以及三维欧式距离小于距离阈值时作为同一关联数据保存，否则新开辟空间进行存储。
16、优选地，所述基于采样周期和所述跟踪数据确定微动目标，并输出所述微动目标的位置；
17、对所述采样周期进行拉长处理，以突出低速谱线的运动特征，并基于所述运动特征识别出运动幅度小于预设值但持续的微动目标，以及出现在上一帧跟踪数据中且当前帧跟踪数据无的情况下，查找微动状态的目标集合是否有目标，如果有则将所述目标切换为微动目标，输出所述微动目标的位置。
18、优选地，所述调用预训练的跌倒模型对所述微动目标的位置和对应的点云数据进行判断是否出现跌倒行为，具体为：
19、对所述微动目标的位置和对应的点云数据进行预处理后进行特征提取，以生成高层次的特征表示；
20、将位置的高层次的特征表示和点云数据的高层次的特征表示进行融合，以生成融合特征，其中，所述融合特征用于反映目标的空间位置和形态特征；
21、通过全连接网络对所述融合特征进行分类判断，以判断是否出现跌倒行为。
22、本发明第二实施例提供了一种跌倒检测装置，包括：
23、采样单元，用于获取由配置在墙体上的雷达以预设角度对目标区域进行采集到的监测数据，并对所述监测数据进行中频采样，以生成多路adc数据；
24、目标筛选单元，用于对每一路所述adc数据进行处理，以筛选出幅值大于阈值的运动目标集；
25、聚类单元，用于对所述运动目标集的每一帧目标进行遍历，以对所述运动目标集的每一帧目标进行归类，并计算每一类的置信坐标点；
26、跟踪单元，用于基于所述每一类的置信坐标点对每一类目标进行跟踪，以生成跟踪数据；
27、跌倒检测单元，用于基于采样周期和所述跟踪数据确定微动目标，并输出所述微动目标的位置，调用预训练的跌倒模型对所述微动目标的位置和对应的点云数据进行判断是否出现跌倒行为。
28、本发明第三实施例提供了一种跌倒检测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种跌倒检测方法。
29、本发明第四实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种跌倒检测方法。
30、基于本发明提供的一种跌倒检测方法、装置、设备及可读存储介质，通过先获取由配置在墙体上的雷达以预设角度对目标区域进行采集到的监测数据，并对所述监测数据进行中频采样，以生成多路adc数据；接着，对每一路所述adc数据进行处理，以筛选出幅值大于阈值的运动目标集；再接着，对所述运动目标集的每一帧目标进行遍历，以对所述运动目标集的每一帧目标进行归类，并计算每一类的置信坐标点；再接着，基于所述每一类的置信坐标点对每一类目标进行跟踪，以生成跟踪数据；最后，基于采样周期和所述跟踪数据确定微动目标，并输出所述微动目标的位置，调用预训练的跌倒模型对所述微动目标的位置和对应的点云数据进行判断是否出现跌倒行为。提高毫米波雷达在复杂环境中的跌倒检测准确性。
1.一种跌倒检测方法，其特征在于，包括：
2.根据权利要求1所述的一种跌倒检测方法，其特征在于，所述对每一路所述adc数据进行处理，以筛选出幅值大于阈值的运动目标集，具体为：
3.根据权利要求1所述的一种跌倒检测方法，其特征在于，所述对所述运动目标集的每一帧目标进行遍历，以对所述运动目标集的每一帧目标进行归类，具体为：
4.根据权利要求1所述的一种跌倒检测方法，其特征在于，所述基于所述每一类的置信坐标点对每一类目标进行跟踪，以生成跟踪数据，具体为：
5.根据权利要求1所述的一种跌倒检测方法，其特征在于，所述基于采样周期和所述跟踪数据确定微动目标，并输出所述微动目标的位置；
6.根据权利要求1所述的一种跌倒检测方法，其特征在于，所述调用预训练的跌倒模型对所述微动目标的位置和对应的点云数据进行判断是否出现跌倒行为，具体为：
7.一种跌倒检测装置，其特征在于，包括：
8.一种跌倒检测设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至6任意一项所述的一种跌倒检测方法。
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如权利要求1至6任意一项所述一种跌倒检测方法。
