基于深度学习的毫米波雷达人体摔倒检测系统研究

针对现有摔倒检测系统难以完成全天时检测、存在侵犯被检测人隐私的问题,该文设计了一种基于深度学习的毫米波雷达人体摔倒检测系统,包括信号采集、训练数据生成、智能检测和显示与告警四个部分。该系统利用1642毫米波雷达采集数据,对数据进行短时傅里叶变换,经数据增强后构建时频图数据集,通过ResNet101网络进行动作检测。检测为摔倒动作后,向远程接收端发送报警信息。该系统能够检测摔倒、弯腰、下蹲三种动作。实测结果表明,检测准确率为94.3%。