一种睡眠过程人体存在检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种睡眠过程人体存在检测方法、装置、设备及存储介质，涉及雷达检测技术领域。该方法包括：获取目标室内空间的雷达回波信号；基于雷达回波信号进行动目标检测及微动参数估计，得到人体目标检测序列、位置估计序列、体动指数序列及呼吸频率估计序列，根据人体目标检测序列与呼吸频率估计序列确定人体状态序列；根据体动指数序列进行大体动检测，检测到大体动时，确定当前大体动与上一次大体动之间的第一时间间隔；若第一时间间隔大于预设长短时干扰检测门限，则进行长时干扰检测；若第一时间间隔小于等于该门限，则进行短时干扰检测。从而实现对睡眠过程中的人体存在情况进行有效检测，极大的降低了室内干扰的虚警率。的虚警率。的虚警率。

【技术实现步骤摘要】
一种睡眠过程人体存在检测方法、装置、设备及存储介质


[0001]本专利技术实施例涉及雷达检测
，尤其涉及一种睡眠过程人体存在检测方法、装置、设备及存储介质。

技术介绍

[0002]随着人们对人体健康的日益关注，人体睡眠监测成为近年来研究的热点。在睡眠监测领域，到目前为止，人们已经开发了许多传感器（如接触式传感器和非接触式传感器）用于人体睡眠监测。压电传感器和射频识别是检测人体睡眠质量最常用的两种接触式传感器。然而，大量的有线传感器与人体连接造成不便，传统监控设备的使用通常需要专业人员的帮助。非接触式传感器有计算机视觉、非接触式非附着电极、超声波传感器和雷达。其中，计算机视觉依赖于环境光照，产生大量数据，侵犯隐私，而使用非接触式非附着电极传感器的方法可能无法很好的处理传感器距离人体50mm以上的情况，在存在三角形误差、镜面反射误差以及多重反射误差时，超声方法的性能也会下降。与之相比，基于雷达的睡眠监测方法具有非接触式、可以全天时全天候监测、易于使用、保护隐私等优点。
[0003]使用雷达进行睡眠监测的任务主要有：睡眠中的人体存在检测、入睡识别、睡眠分期、睡眠质量估计等等。其中在进行人体存在检测时，室内环境下静息人员的回波表现出强杂波、信杂噪比低，目标检测难、目标多普勒频率小、与杂波多普勒谱接近，杂波抑制难等问题。此外，居家环境中，还可能存在风吹窗帘、蚊帐以及风扇、空调等干扰，这些干扰信号在多普勒上表现出与静止人体目标重叠的特性，导致虚警率高。

技术实现思路

[0004]本专利技术实施例提供一种睡眠过程人体存在检测方法、装置、设备及存储介质，以实现在复杂的居家环境中，避免环境干扰的影响，对睡眠过程中的人体存在情况进行有效检测，降低误报。
[0005]第一方面，本专利技术实施例提供了一种睡眠过程人体存在检测方法，该方法包括：
[0006]获取目标室内空间的雷达回波信号；
[0007]基于所述雷达回波信号进行动目标检测以及微动参数估计，以得到人体目标检测序列、位置估计序列、体动指数序列以及呼吸频率估计序列，并根据所述人体目标检测序列与所述呼吸频率估计序列确定人体状态序列；
[0008]根据所述体动指数序列进行大体动检测，当检测到大体动时，确定当前大体动与上一次大体动之间的第一时间间隔；
[0009]若所述第一时间间隔大于预设长短时干扰检测门限，则基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取长时特征，并将所述长时特征输入第一分类器，以预测所述目标室内空间中是否有人；
[0010]若所述第一时间间隔小于等于所述预设长短时干扰检测门限，则基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取短时特征，
并将所述短时特征输入第二分类器，以预测所述目标室内空间中是否有人。
[0011]可选的，所述基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取短时特征，包括：
[0012]记录当前时刻与上一次大体动结束时刻之间的第二时间间隔；
[0013]当所述第二时间间隔为第一预设时间间隔的整数倍时，使用当前时刻起过去的预设短时观测窗口时长内的所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取所述短时特征。
[0014]可选的，所述预设短时观测窗口时长从小到大依次包括第一短时观测窗口时长、第二短时观测窗口时长、第三短时观测窗口时长以及第四短时观测窗口时长；所述短时特征包括第一体动指数序列特征、第一人体状态序列特征、第一呼吸频率序列特征以及第一位置序列特征；其中，
[0015]所述第一体动指数序列特征包括所述体动指数序列在所述第一短时观测窗口时长内的均值、标准差以及小于第一预设值的比例；
[0016]所述第一人体状态序列特征包括所述人体状态序列在所述第一短时观测窗口时长内检测结果为无人的比例与检测有人存在下的差分求和、所述人体状态序列在所述第一短时观测窗口时长内与所述第四短时观测窗口时长内判定为呼吸状态的比例、以及所述人体状态序列在所述第二短时观测窗口时长内检测结果为有人的比例；
[0017]所述第一呼吸频率序列特征包括所述呼吸频率估计序列在所述第一短时观测窗口时长内的均值、大于第二预设值的比例与小于第三预设值的比例、在所述第三短时观测窗口时长内小于所述第三预设值的比例、以及在所述第二短时观测窗口时长内的相对离散系数；
[0018]所述第一位置序列特征包括所述位置估计序列在所述第一短时观测窗口时长内的标准差、以及在所述第二短时观测窗口时长内的相对离散系数。
[0019]可选的，所述基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取长时特征，包括：
[0020]记录当前时刻与上一次大体动结束时刻之间的第二时间间隔；
[0021]当所述第二时间间隔为第二预设时间间隔的整数倍时，使用当前时刻起过去的预设长时观测窗口时长内的所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取所述长时特征。
[0022]可选的，所述预设长时观测窗口时长从小到大依次包括第一长时观测窗口时长、第二长时观测窗口时长、第三长时观测窗口时长以及第四长时观测窗口时长；所述长时特征包括第二体动指数序列特征、第二人体状态序列特征、第二呼吸频率序列特征以及第二位置序列特征；其中，
[0023]所述第二体动指数序列特征包括所述体动指数序列在所述第一长时观测窗口时长内的均值、标准差与小于第一预设值的比例、以及在所述第三长时观测窗口时长内的均值与周期性强度；
[0024]所述第二人体状态序列特征包括所述人体状态序列在所述第一长时观测窗口时长内检测有人存在下的差分求和、所述人体状态序列在所述第一长时观测窗口时长内与所述第四长时观测窗口时长内判定为呼吸状态的比例、以及所述人体状态序列在所述第二长
时观测窗口时长内检测结果为有人的比例；
[0025]所述第二呼吸频率序列特征包括所述呼吸频率估计序列在所述第一长时观测窗口时长内大于第二预设值的比例与小于第三预设值的比例、在所述第三长时观测窗口时长内小于所述第三预设值的比例、以及在所述第二长时观测窗口时长内的相对离散系数与大于第四预设值的个数；
[0026]所述第二位置序列特征包括所述位置估计序列在所述第一长时观测窗口时长内的标准差、以及在所述第二长时观测窗口时长内的相对离散系数、均值与全距。
[0027]可选的，所述根据所述人体目标检测序列与所述呼吸频率估计序列确定人体状态序列，包括：
[0028]若所述雷达回波信号的频谱中预设呼吸频率区间的能量占比达到预设呼吸门限，则判定此时处于呼吸状态；否则，若检测有人，则判定为活动状态，若检测无人，则判定为无人状态；将各个判定结果按照时间记录为所述人体状态序列。
[0029]可选的，在所述基于所述雷达回波信号进行动目标检测以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠过程人体存在检测方法，其特征在于，包括：获取目标室内空间的雷达回波信号；基于所述雷达回波信号进行动目标检测以及微动参数估计，以得到人体目标检测序列、位置估计序列、体动指数序列以及呼吸频率估计序列，并根据所述人体目标检测序列与所述呼吸频率估计序列确定人体状态序列；根据所述体动指数序列进行大体动检测，当检测到大体动时，确定当前大体动与上一次大体动之间的第一时间间隔；若所述第一时间间隔大于预设长短时干扰检测门限，则基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取长时特征，并将所述长时特征输入第一分类器，以预测所述目标室内空间中是否有人；若所述第一时间间隔小于等于所述预设长短时干扰检测门限，则基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取短时特征，并将所述短时特征输入第二分类器，以预测所述目标室内空间中是否有人。2.根据权利要求1所述的睡眠过程人体存在检测方法，其特征在于，所述基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取短时特征，包括：记录当前时刻与上一次大体动结束时刻之间的第二时间间隔；当所述第二时间间隔为第一预设时间间隔的整数倍时，使用当前时刻起过去的预设短时观测窗口时长内的所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取所述短时特征。3.根据权利要求2所述的睡眠过程人体存在检测方法，其特征在于，所述预设短时观测窗口时长从小到大依次包括第一短时观测窗口时长、第二短时观测窗口时长、第三短时观测窗口时长以及第四短时观测窗口时长；所述短时特征包括第一体动指数序列特征、第一人体状态序列特征、第一呼吸频率序列特征以及第一位置序列特征；其中，所述第一体动指数序列特征包括所述体动指数序列在所述第一短时观测窗口时长内的均值、标准差以及小于第一预设值的比例；所述第一人体状态序列特征包括所述人体状态序列在所述第一短时观测窗口时长内检测结果为无人的比例与检测有人存在下的差分求和、所述人体状态序列在所述第一短时观测窗口时长内与所述第四短时观测窗口时长内判定为呼吸状态的比例、以及所述人体状态序列在所述第二短时观测窗口时长内检测结果为有人的比例；所述第一呼吸频率序列特征包括所述呼吸频率估计序列在所述第一短时观测窗口时长内的均值、大于第二预设值的比例与小于第三预设值的比例、在所述第三短时观测窗口时长内小于所述第三预设值的比例、以及在所述第二短时观测窗口时长内的相对离散系数；所述第一位置序列特征包括所述位置估计序列在所述第一短时观测窗口时长内的标准差、以及在所述第二短时观测窗口时长内的相对离散系数。4.根据权利要求1所述的睡眠过程人体存在检测方法，其特征在于，所述基于所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取长时特征，包括：
记录当前时刻与上一次大体动结束时刻之间的第二时间间隔；当所述第二时间间隔为第二预设时间间隔的整数倍时，使用当前时刻起过去的预设长时观测窗口时长内的所述位置估计序列、所述体动指数序列、所述呼吸频率估计序列以及所述人体状态序列提取所述长时特征。5.根据权利要求4所述的睡眠过程人体存在检测方法，其特征在于，所述预设长时观测窗口时长从小到大依次包括第一长时观测窗口时长、第二长时观测窗口时长、第三长时观测窗...

【专利技术属性】
技术研发人员：阳召成，鲁燚，徐友华，
申请(专利权)人：精华隆智慧感知科技深圳股份有限公司，
类型：发明
国别省市：