跌倒检测系统和方法与流程

跌倒检测系统和方法
1.相关申请的交叉引用
2.本技术要求2019年12月23日提交的美国临时专利申请号62/952,519、2019年12月23日提交的美国临时专利申请号62/952,525、2019年12月23日提交的美国临时专利申请号62/952,536、2019年12月23日提交的美国临时专利申请号62/952,540、2019年12月29日提交的美国临时专利申请号62/954,502、2019年12月29日提交的美国临时专利申请号62/954,505、2019年12月29日提交的美国临时专利申请号62/954,506、2019年12月29日提交的美国临时专利申请号62/954,507以及2020年5月14日提交的美国临时专利申请号63/024,520的优先权的权益，上述专利申请的内容通过引用整体并入。
技术领域
3.本文的公开内容涉及跌倒检测系统和方法。特别地，本公开涉及使用雷达芯片来识别监测区域内的主体可能已经跌倒，并且还涉及警告第三方。


背景技术：

4.用于跌倒检测的系统具有重要的应用，特别是对于独自居住在家中和公寓中并且与可以在紧急情况下帮助他们的人隔离的老年人。对于这些人来说，跌倒、受伤或危及生命的医疗状况可能会在延续的一段时间内未被家人或支持人员发现。一些包含紧急呼叫按钮的可穿戴和手持设备是可用的，但是，需要手动启用这些按钮以在需要援助时警告其他人。万一老人跌倒，他可能无法启用紧急按钮并呼叫某人寻求帮助。
5.另一种可用于跌倒检测的解决方案是通过摄像机监测。然而，摄像机监测并不是可行的解决方案，因为它需要不断地查看视频以了解跌倒检测或者人员需要的任何帮助。
6.仍然需要改进的跌倒检测系统。本公开解决了这种需要。


技术实现要素：

7.根据本公开主题的一个方面，介绍了一种跌倒检测系统。跌倒检测系统可以包括雷达单元，该雷达单元包括：至少一个发射器天线，其连接到振荡器并且被配置成将电磁波发射到监测区域中；以及至少一个接收器天线。其被配置成接收由监测区域内的对象反射的电磁波并且能够操作成生成原始数据。跌倒检测系统还可以包括：处理器单元，其被配置成从雷达单元接收原始数据并且能够操作成基于接收到的数据生成跌倒警报；以及通信模块，其被配置成并且能够操作成将跌倒警报传送给第三方。
8.在适当的情况下，处理器单元还可以包括：数据过滤器，其被配置成接收原始数据，并且能够操作成对原始数据进行处理以去除与来自静态对象的反射有关的数据，从而生成经过滤的数据；跟踪器模块，其被配置成从数据过滤器接收经过滤的数据，并且能够操作成对经过滤的数据进行处理以识别移动目标并随时间变化跟踪移动目标的位置，从而生成目标数据；以及跌倒识别模块，其被配置成从跟踪器模块接收目标数据，并且能够操作成通过应用跌倒检测规则来处理目标数据，并且还能够操作成生成跌倒警报。
9.附加地或替代地，数据过滤器可以包括存储器单元和微处理器，并且数据过滤器能够操作成：将来自第一帧的第一组原始数据集存储在存储器单元中；在选择的时间间隔之后，将来自第二帧的第二组原始数据集存储在存储器单元中；以及从第二帧数据中减去第一帧数据，从而生成经过滤的帧数据。
10.可选地，跟踪器模块包括峰值检测器、关联器和目标跟踪器。因此，峰值检测器可以被配置成存储经过滤的帧数据，并且能够操作成识别每个帧中的局部最大值，从而针对该帧生成峰值数据。关联器可以被配置成：存储每个帧的峰值数据并且接收来自目标跟踪器的跟踪数据。因此，关联器能够操作成将每个峰值与目标对象相关联，从而生成目标数据；并且目标跟踪器被配置成接收来自每个帧的目标数据，并且能够操作成用每个帧中的每个目标的位置值和速度值来填充目标数据库，从而生成跟踪数据。
11.附加地或替代地，跌倒识别模块可以包括姿势检测器和跌倒检测器。姿势检测器可以被配置成将目标数据存储在存储器单元中，以针对每个目标生成能量分布，并且应用姿势选择规则从而针对每个目标选择姿势，姿势检测器还能够操作成将针对每个目标的姿势历史存储在存储器单元中。可选地，跌倒检测器可以被配置成：从存储器单元访问姿势历史，并且如果至少一个目标被识别为跌倒且没有目标被识别为站立则生成跌倒警报。
12.附加地或替代地，处理器单元包括：预处理器，其被配置成并且能够操作成生成针对监测区域的目标段的能量分布；以及异常检测模块，其被配置成并且能够操作成识别异常能量分布。
13.可选地，该系统可以包括分布数据库，并且预处理器可以包括输出单元，该输出单元能够操作成用标准能量分布和时间相关能量分布来填充分布数据库。
14.在适当的情况下，异常检测器能够操作成：从预处理器的输出单元接收针对每个目标段的当前能量分布；并且将当前能量分布与存储在分布数据库中的相对应的时间相关能量分布进行比较。
15.可选地，雷达单元被配置成监测经扩展的目标区域，并且处理器单元还包括步态分类模块，该步态分类模块被配置成从跟踪器模块接收目标数据并且能够操作成通过应用步态分类规则来处理目标数据，并且还能够操作成计算主体在经扩展的区域内的主体的步态速度。
16.本公开的另一方面是教导一种用于跌倒检测的方法，该方法包括以下步骤：提供至少一个雷达单元，该至少一个雷达单元包括连接到振荡器的至少一个发射器天线，以及被配置成接收电磁波的至少一个接收器天线；提供至少一个处理器单元，该至少一个处理器单元被配置成从雷达单元接收原始数据，并且能够操作成基于接收到的数据生成跌倒警报；提供通信模块，该通信模块被配置成并且能够操作成将跌倒警报传送给第三方；将电磁波发射到监测区域中；接收从监测区域中的对象反射的电磁波；将原始数据的多个帧传输到处理器单元；从原始数据的帧中去除静态对象；识别经过滤的数据中的移动目标；随时间变化跟踪移动目标；将姿势分配给所述目标；将姿势历史存储在存储器单元中；应用跌倒检测规则；以及如果检测到跌倒则生成跌倒警报。
17.可选地，从原始数据的帧中去除静态对象的步骤包括：从第一帧收集原始数据；从第二帧收集原始数据；以及从第二帧数据中减去第一帧数据。
18.附加地或替代地，识别经过滤的数据中的移动目标的步骤包括：检测经过滤的数
据的每个帧内的局部最大值，以及将每个局部最大值与目标对象相关联。
19.可选地，识别经过滤的数据中的移动目标的步骤可以包括：设置峰值检测阈值；检测经过滤的数据的每个帧内的局部最大值；针对每个局部最大值限定染色区域；通过仅选择具有高于峰值检测阈值的幅度并且不位于较大局部最大值的染色区域内的局部最大值来选择峰值；以及将每个选择的峰值与目标对象相关联。
20.在适当的情况下，随时间变化跟踪移动目标的步骤可以包括：记录每个帧中的每个目标的位置值；以及记录每个帧中的每个目标的速度值。附加地或替代地，随时间变化跟踪移动目标的步骤包括：记录每个帧中的每个目标的位置值；记录每个帧中的每个目标的速度值；预测每个帧中的目标的预期值；以及将每个目标的预期值与每个目标的测量值进行比较。
21.可选地，将姿势分配给目标的步骤包括：针对每个目标生成能量分布；应用姿势选择规则；以及选择当前姿势。不同地，将姿势分配给目标的步骤包括通过下述分配来针对每个目标生成能量分布：针对来自上部区域或目标的反射能量的幅度分配第一值；针对来自中间区域或目标的反射能量的幅度分配第二值；以及针对来自下部区域或目标的反射能量的幅度分配第三值；并且其中应用跌倒检测规则的步骤包括：当任何目标具有高于第一值和第二值两者的相关联的第三值时触发跌倒事件。因此，该方法可以包括：仅当在先前时间间隔期间没有其他目标被识别为具有站立姿势时才生成跌倒警报。此外，该方法可以包括：仅当没有目标被识别为具有高于第一值和较低值两者的相关联的中间值时生成跌倒警报。
22.在适当的情况下，该方法可以包括：生成一组能量分布；将监测区域分段成目标段；在学习时段的持续时间内记录目标区域内的活动；针对每个目标段，通过在学习时段的每个小时期间记录每个能量分布的频率来记录时间相关分布情况；以及用标准能量分布和时间相关能量分布填充分布数据库。
23.附加地或可替代地，跌倒检测方法还可以包括：针对监测区域的每个目标段选择当前分布；将每个目标段的当前分布传送到异常检测模块；将每个目标段的当前分布与存储在分布数据库中的时间相关分布情况进行比较；以及识别异常能量分布。
24.因此，跌倒检测方法还可以包括：仅当检测到跌倒和检测到异常能量分布两者时才生成跌倒警报。
附图说明
25.为了更好地理解实施方式并示出其可以如何实施，现在将仅以示例的方式参考附图。
26.现在详细具体地参考附图，强调所示出的详情是以示例的方式并且仅为了对所选示例进行说明性讨论，并且是为了提供被认为是原则和概念方面最有用和最容易理解的描述的内容而提出的。就此而言，没有试图比基本理解所必需的更详细地示出结构细节；利用附图进行的描述使本领域技术人员清楚如何将各种选择的实施方式付诸实践。在随附附图中：
27.图1是可能的跌倒检测和警报系统的示意表示；
28.图2是指示跌倒检测系统内的数据流的示意框图；
29.图3是表示跌倒检测方法的动作的流程图；
30.图4是表示从图像数据中去除静态对象的可能动作的流程图；
31.图5是表示用于生成并且跟踪从监测区域收集的数据内的目标的可能动作的流程图；
32.图6是表示用于检测监测区域内的跌倒事件的可能动作的流程图；
33.图7a是从监测区域收集的数据的极坐标中的未过滤的帧的示例；
34.图7b是已去除静态对象的数据的极坐标中的经过滤的帧的示例；
35.图7c表示极坐标中的指示局部最大值的位置的经过滤的数据；
36.图7d表示极坐标中的指示最强的局部最大峰值的位置的经过滤的数据；
37.图7e表示转换成笛卡尔坐标的经过滤的数据；
38.图8a和图8b是指示数据的两个帧中的被跟踪的峰值的预期位置和测量位置的图像；
39.图9a至图9h示出了跟踪在返回之前短暂地从视野中消失的目标的一系列帧；以及
40.图10a至图10h示出了跟踪穿过被排除区域的目标的一系列帧；
41.图11示出了针对被分成上部区域、中部区域和下部区域的目标的可能的三维能量分布；
42.图12a示出了站立目标的三维能量分布特征；
43.图12b示出了非平躺目标的三维能量分布特征；
44.图12c示出了跌倒目标的三维能量分布特征；
45.图12d示出了持续跌倒目标的三维能量分布特征。
46.图13a是示出根据本发明的方面的用于用时间相关能量分布填充数据库的示例性方法的示意性流程图；
47.图13b是示出根据本发明的方面的用于异常检测和警报生成的示例性方法的示意性流程图；
48.图14示出了针对目标区域的一组标准能量分布；
49.图15示出了针对目标区域的目标段的一组时间相关能量分布；
50.图16a、图17a和图18a例示了在本发明的示例性实施方式中在正常行为的情况下的所有时间窗上的kl散度值；以及
51.图16b、17b和18b例示了在本发明的示例性实施方式中在实际跌倒的情况下的所有时间窗上的kl散度值。
具体实施方式
52.本公开的方面涉及跌倒检测系统和方法。具体而言，本公开涉及使用雷达芯片来扫描诸如封闭房间之类的监测区域。可以对扫描雷达芯片获得的数据进行处理，以识别监测区域内的目标。可以对所识别的目标进行跟踪和描绘分布(profile)以指示它们的姿势，从而可以应用跌倒检测规则并检测跌倒事件。
53.使用来自跌倒对象的在目标区域中的反射来生成跌倒警报的某些图像处理解决方案是可行的。然而，这些图像处理解决方案没有在主体人员的跌倒与区域中存在的其他对象的跌倒之间进行区分。例如，来自盛有水的抽水马桶的反射能量与跌倒的人的反射能量相似。因此，随着房间中存在的对象的跌倒，会生成错误警报。
54.需要改进的解决方案，如果反射信号对于目标区域的该部段不是不寻常的，则该改进的解决方案通过识别反射信号何时是异常的来阻止跌倒警报。因此，本公开的其他方面涉及用于识别跌倒检测中的异常并且对跌倒警报进行过滤的系统和方法。可以处理由扫描雷达芯片获得的数据以生成监测区域内的当前能量分布。可以将当前能量分布与时间相关能量分布进行比较，以检测跌倒事件中的异常并且对跌倒警报进行过滤。
55.根据需要，在此公开本发明的具体实施方式；然而，应当理解，所公开的实施方式仅仅是可以以多种形式和替代形式体现的本发明的示例。图不一定按比例；一些特征可能会被夸大或最小化以示出特定部件的细节。因此，本文公开的具体结构和功能细节不应被解释为限制性的，而仅作为用于教导本领域技术人员以多种方式使用本发明的代表性基础。
56.适当时，在本公开的各种实施方式中，如本文所述的一个或更多个任务可以由数据处理器、诸如用于执行多个指令的计算平台或分布式计算系统来执行。可选地，数据处理器包括用于存储指令、数据等的易失性存储器或对该存储器进行访问。附加地或替代地，数据处理器可以访问用于存储指令和/或数据的非易失性存储装置，例如磁硬盘、闪存驱动器、可移动介质等。
57.特别要注意的是，本文公开的系统和方法在其应用方面可以不限于在描述中阐述或在附图和示例中例示的部件或方法的构造和布置的细节。本公开的系统和方法能够具有其他实施方式，或者能够以多种方式和技术来实践和执行。
58.与本文所述的那些方法和材料相似或等效的替代方法和材料可以用于本公开的实施方式的实践或测试。然而，本文仅出于例示性目的描述特定方法和材料。材料、方法和示例并非旨在是必定限制的。因此，各种实施方式可以适当地省略、替换或添加各种程序或部件。例如，这些方法可以以不同于描述的顺序执行，并且可以添加、省略或组合多种步骤。此外，关于某些实施方式描述的方面和部件可以在多种其他实施方式中组合。
59.现在参考图1，其可能的跌倒检测和警报系统100的示意表示。跌倒检测系统100包括雷达单元104、处理器单元126和通信模块134。
60.雷达单元104包括发射器阵列106和接收器110的阵列。发射器可以包括振荡器108，振荡器108连接到至少一个发射器天线tx或发射器天线106的阵列。因此，发射器可以被配置成产生指向诸如封闭房间等之类的监测区域105的一束电磁辐射，诸如微波辐射等。接收器可以包括至少一个接收天线rx或接收器天线110的阵列，其被配置成并且能够操作成接收由监测区域105内的对象102反射的电磁波。
61.可以包括诸如数据过滤器123、跟踪器模块125、步态分类模块127和跌倒识别模块129之类的模块的处理器单元126可以被配置成从雷达单元104接收数据并且能够操作成基于接收到的数据生成跌倒警报。如本文所述，在适当的情况下，可以提供预处理器112以在将数据传输到处理器单元126之前处理原始数据。
62.通信模块134被配置成并且能够操作成将跌倒警报传送给第三方138。可选地，通信模块134可以与计算机网络136诸如互联网通信，通信模块可以经由该计算机网络例如通过电话、计算机、可穿戴设备等将警报传送给第三方138。
63.注意，该系统还可以包括基于雷达的被动步态速度监测器127，用于在示意性地表示的主体监测站中使用。步态速度监测器127可以操作成生成沿经扩展的目标区105经过的
主体的步态速度的值。步态速度监测器包括至少一个雷达扫描装置和处理器单元。
64.雷达扫描装置104被配置成监测主体102在经扩展的范围内的移动。经扩展的范围105的尺寸适合于测量沿着例如4-8米的路径的持续步态的速度。因此，举例来说，可能优选将扫描装置定位成覆盖例如5-6平方米的目标区中的移动。
65.在适当的情况下，可以使用单个雷达扫描装置来监测经扩展的目标区的整个长度，但是在需要时，可能优选多个扫描装置。雷达通常包括至少一个射频发射器天线的阵列和至少一个射频接收器天线的阵列。射频发射器天线连接到振荡器(射频信号源)并且被配置成且能够操作成向目标区域发射电磁波。射频接收器天线被配置成接收从目标区域内的对象反射回来的电磁波。
66.因此，可以包括诸如数据过滤器123、跟踪器模块125和步态分类模块127之类的模块的处理器单元126可以被配置成从雷达单元接收数据并且能够操作成通过应用步态分类规则来处理目标数据并且还能够操作成计算主体的步态速度。
67.现在参考图2的框图，其指示通过跌倒检测系统100的可能数据流。原始数据由雷达模块104生成，雷达模块通常包括在特定角度和范围处反射的能量的幅度值。原始数据12可以被表示为极坐标中的图像，例如图7a所示。预处理器单元112可以从雷达模块104接收原始数据12。预处理器单元112包括分布生成器114、体素选择器116和输出118。
68.数据过滤器123直接从雷达模块104接收原始数据12，或者可替代地可以从预处理器单元112接收经预处理的数据14。数据过滤器123可以包括时间过滤器，该时间过滤器能够操作成对原始数据12进行处理以去除所有与从静态对象的反射有关的数据。过滤器123由此可以生成诸如图7b所示的经过滤的图像16，经过滤的图像仅包括与监测区域内的移动对象相关的数据，其中背景被去除。
69.在某些示例中，数据过滤器123可以包括存储器单元和微处理器。因此，数据过滤器123可以将来自第一帧的第一组原始数据集和在时间间隔之后的来自第二帧的第二组原始数据集存储在存储器单元中。微处理器可以操作成从第二帧数据中减去第一帧数据，从而生成经过滤的帧数据。本领域技术人员将想到用于过滤数据的其他方法。
70.经过滤的图像数据16可以被传输到跟踪器模块125，跟踪器模块能够操作成对经过滤的图像数据16进行处理，以便用该数据识别移动目标并且随时间变化跟踪识别的移动目标的位置，从而生成目标数据24。
71.跟踪器模块125可以包括检测器1252、关联器1254和跟踪器1256，并且能够操作成生成与监测区域内的目标有关的数据24。检测器1252从时间过滤器123接收经过滤的图像数据16并且处理经过滤的图像数据16以检测其能量分布内的局部最大值峰值18。图7c示出了指示局部最大值峰值的位置的经过滤的数据图像16的示例。
72.峰值数据18可以被传输到关联器1254。关联器1254能够操作成将每个帧的峰值数据18存储在存储器元件中并且将每个峰值与目标对象相关联并且还生成每个目标的单个峰值位置(单峰值)。图7d表示经过滤的数据，该经过滤的数据指示单峰值在极坐标中的能量分布和位置。通常极坐标可以被转换成笛卡尔坐标，诸如图7e所示。
73.跟踪器125可以被配置成从每个帧接收目标数据，并且能够操作成用每个帧中的每个目标的位置值和速度值来填充目标数据库，从而生成可以用于计算每个帧中的每个目标的预测位置22的跟踪数据。举例来说，图8a和图8b是指示数据的两个帧中的被跟踪的峰
值的预期位置和测量位置的图像；
74.关联器1254还可以操作成从目标跟踪器1256接收跟踪数据。因此，当单峰值20与现有目标的预期位置一致时，该峰值可以与该现有目标相关联。可替代地，在峰值的位置不与任何跟踪的目标一致的情况下，可以将该峰值与新目标相关联。
75.目标数据24可以被传输到步态分类模块127和/或跌倒识别模块129，这些模块能够操作成通过应用跌倒检测规则来处理目标数据24并在需要时生成跌倒警报输出26。
76.根据一些示例，跌倒识别模块129包括姿势检测器和跌倒检测器。姿势检测器可以被配置成：将目标数据存储在存储器单元中，针对每个目标生成能量分布，并且应用姿势选择规则从而针对每个目标选择姿势。姿势检测器还可以操作成将针对每个目标的姿势历史存储在存储器单元中。跌倒检测器然后可以访问来自存储器单元的姿势历史并且如果至少一个目标被识别为跌倒则生成跌倒警报。
77.现在参考图3的流程图，教导了一种用于使用诸如上述的系统来进行跌倒检测的方法。该方法可以包括：提供如本文所述的雷达单元1302；提供至少一个处理器单元，该至少一个处理器单元被配置成从雷达单元接收原始数据并且能够操作成基于接收到的数据生成跌倒警报；以及提供通信模块，该通信模块被配置成并且能够操作成将跌倒警报传送给第三方。可选地，提供处理器可以包括：提供时间过滤器1304、提供跟踪器模块1306和提供跌倒识别模块1308，诸如上所述。
78.该方法还可以包括：对目标区域进行雷达扫描1310，例如通过将电磁波发射到监测区域并接收从监测区域中的对象反射的电磁波；将原始数据的多个帧传输到处理器单元1312；从原始数据的帧中去除静态对象1314；将经过滤的数据传输到跟踪器模块1316，识别经过滤的数据中的移动目标1318；将目标数据传输到跌倒识别模块1320；随时间变化跟踪移动目标；将姿势分配给目标1322；将姿势历史存储在存储器单元中1324；应用跌倒检测规则1326；以及如果检测到跌倒1328，则生成跌倒警报1330。
79.参考图4的流程图，其表示用于从图像数据中去除静态对象1400的可能动作，可以应用时间过滤器来选择帧捕获率1402，从第一帧收集原始数据1404；等待可能由帧捕获率确定的时间延迟1406；从第二帧收集原始数据1408；以及从第二帧数据中减去第一帧数据1410。以这种方式，可以产生经过滤的图像，从该经过滤的图像中去除了静态背景并且仅保留移动目标数据。
80.现在参考图5的流程图，表示用于在从监测区域收集的数据内生成目标1530和跟踪目标1550的可能动作。
81.该方法可以包括检测经过滤的数据的每个帧内的局部最大值1510并且将每个局部最大值与目标对象相关联。
82.识别经过滤的数据中的移动目标的步骤可以包括：设置峰值检测阈值1512；检测经过滤的数据的每个帧内的局部最大值1514；针对每个局部最大值限定染色区域1518；通过仅选择具有高于峰值检测阈值的幅度1516并且不位于较大局部最大值的染色区域内1520的局部最大值来选择峰值。
83.可以从检测器获得峰值数据1532并且可以从跟踪器获得跟踪数据1534。因此，可以将每个选择的峰值与目标对象相关联1536。可选地，可以将多个峰值与共同目标相关联1538。
84.在适当的情况下，如果峰值与现有目标的预期位置一致，则可以将该峰值与该现有目标相关联。可替代地，在峰值的位置不与任何跟踪的目标一致的情况下，可以将该峰值与新目标相关联。
85.通过在跟踪存储器或数据库中记录每个帧中的每个目标的位置值，可以随时间变化跟踪移动目标1550；记录每个帧中的每个目标的速度值1552；预测每个帧中的目标的预期值1554；对每个目标的接下来的值进行采样1556，将跟踪数据发送到关联器1556，并且将每个目标的预期值与每个目标的测量值进行比较。
86.现在参考图9a至图9h，其示出了经过滤的数据的一系列帧。该一系列帧指示监测区域内的被随时间变化跟踪的移动目标。被跟踪的目标在每个帧中用指示目标跟踪位置的小圆圈标记。特别注意，在图9g中，没有指示目标的位置。例如，当监测区域内的通过数据中的目标表示的移动对象移动到静止对象后面时，可能会发生这种情况。数据过滤器通常会从帧中去除静止对象，从而使得移动对象在经过滤的数据中不可见.
87.注意，尽管对象在经过滤的数据中丢失了，但相关联的目标并未从跟踪数据库中去除。而是保留丢失的目标，并且针对后续帧计算其预期位置，使得当对象峰值返回到诸如图9h中的视图时，该峰值再次与原始目标相关联。
88.现在参考图10a至图10h，其示出了经过滤的数据的一系列帧。该一系列帧指示经过监测区域内的在每个帧中用虚线矩形标记的排除区域的移动目标。例如，当持续移动的对象干扰数据时，从数据中排除某些区域可能是有用的。这种持续移动的对象可以是例如摇摆的钟摆、波纹状的窗帘等。
89.注意，当跟踪的对象在排除区域内经过时，诸如图10d至图10f所示，该对象不再受到物理监测，但相关联的目标并未从跟踪数据库中去除。而是保留丢失的目标，并且针对后续帧计算其预期位置，使得当对象峰值经过排除区域离开时，诸如图10g中，该峰值再次与原始目标相关联。
90.现在参考图6的流程图，其表示用于检测监测区域内的跌倒事件的可能动作，将姿势分配给目标1610的阶段可以包括：获得目标数据1612；针对每个目标生成能量分布1614；应用姿势选择规则1616；选择当前姿势1618；记录当前姿势1620并将当前姿势保存在姿势历史中1622
91.跌倒检测阶段1630可以包括获得所有目标的姿势历史1632；应用跌倒判定规则1634以及如果仅在一个目标中检测到跌倒1636并且没有其他目标被分配站立姿势1638才提供警报1640。
92.现在参考图11，其示出了在适当的情况下目标的可能的三维能量分布，针对每个目标生成能量分布包括：针对来自上部区域或目标的反射能量的幅度分配第一值；针对来自中间区域或目标的反射能量的幅度分配第二值；以及针对来自下部区域或目标的反射能量的幅度分配第三值。
93.可以针对各种姿势限定特征能量分布，例如，当幅度的第三值高于第一值和第二值两者时，可以识别跌倒或平躺姿势，诸如图12c和图12d所示。这种姿势可能会产生跌倒警报。
94.例如，当第一值、第二值和第三值具有相似幅度时，可以识别站立姿势，如图12a所示。
95.在幅度的第三值不高于第一值和第二值两者的情况下，姿势可以简单地分类为没有平躺，诸如图12b所示。
96.现在回到图1，系统100还可以操作成检测异常，从而更准确地检测跌倒并产生警报。因此，雷达单元104还包括预处理器单元112，预处理器单元处理从接收器110接收的数据。
97.预处理器单元112包括被配置成生成目标区域的能量分布的分布生成器114。分布生成器114针对目标区域的各个段生成一组标准能量分布122和时间相关能量分布124。在适当的情况下，这样的能量分布122可以根据需要预先生成并且被预加载到单元中。该组标准能量分布122和时间相关能量分布124被存储在数据库120中。预处理器单元112还包括段选择器116，段选择器116被配置成通过如下方式来选择监测区域102中的感兴趣的目标段：选择在由反射到达接收天线110处所用的时间测量的给定深度范围处(沿水平测量的角度的)的给定方位角范围内接收到的辐射。分布生成器114还针对由段选择器116选择的监测区域102的每个目标段生成当前能量分布。输出单元118将标准能量分布122和时间相关能量分布124发送到数据库120，并且将每个目标段的当前能量分布发送给处理单元126，以用于异常检测并且对警报进行过滤。输出单元118还被配置成将由接收器110接收到的原始数据发送给处理单元126。输出单元118还将选择的感兴趣的目标段发送给处理单元126以用于异常检测。
98.处理单元126包括跌倒检测模块128，跌倒检测模块128可以被配置成从输出单元118接收数据并且能够操作成基于跌倒检测规则生成跌倒警报。异常跌倒警报由异常检测模块130过滤，异常检测模块可以被配置成从输出单元118接收选择的目标段的当前能量分布以及来自数据库120的一组标准能量分布122和时间相关能量分布124。针对选择的目标段，将当前能量分布与相对应的时间相关能量分布进行比较，并且过滤掉异常跌倒警报。警报生成器132然后生成跌倒警报并且将其发送到预期接收者的通信设备(未示出)。跌倒警报可以通过通信网络在接收者的智能手机、计算机、笔记本电脑、可穿戴设备(如智能手表、电子带、可穿戴项圈等)上传送给接收者。通信网络包括蓝牙网络、有线lan、无线lan、wifi网络、zigbee网络、z-wave网络、或以太网。警报生成器132可以产生文本消息、图像、短视频消息、振动信号、蜂鸣声、嘟嘟声、铃声、哔哔声、唧唧声、及其组合的形式的警报。上面提供的用于生成警报的音频/振动装置本质上是示例性的并且不应限制本发明的范围。
99.参考图13a，其例示了用于用时间相关能量分布填充数据库的示例性方法。针对目标区域的每个部段的时间相关能量分布示出了在一天中的给定时间选择一组能量分布中的每个能量分布的相对可能性。该过程开始于步骤202，在该步骤，生成一组标准能量分布122并将其存储在数据库120中。该组标准能量分布122表征与处于不同姿势(站立、坐着、平躺、步行、俯身等......)的主体相关联的预期能量分布。图14示出了示例性主体的一组32个标准能量分布。这些标准能量分布是从在很长一段时间内收集的大数据样本中生成的。
100.在步骤204，通过段选择器116将目标区域分段成多个目标段。在步骤206，限定用于收集时间相关数据的学习时段。在示例性实施方式中，限定48小时的学习时段，其中间隔为1小时。在步骤208，针对每个时间间隔，记录每个目标段的活动。通过由雷达单元104的接收器110从目标段接收的反射来记录活动。在步骤210，分布生成器114从一组标准能量分布中选择与目标段最接近的匹配并且在步骤212针对每个段生成时间相关能量分布124。将时
间相关能量分布124存储在数据库120中。
101.在步骤214，确定学习时段的所有时间间隔是否已经完成。注意，即使在学习时段结束之后，系统也可以在操作期间以正在进行的方式继续收集分布。如果需要，旧数据可能会被覆盖或清除。以这种方式，之前的48小时总是可以根据需要分成多个时间间隔，诸如24或十二个时间间隔。
102.如果“是”，学习时段的所有时间间隔已经完成，则完成用时间相关能量分布填充数据库120的过程并且该过程在步骤218停止。否则，在步骤216针对下一个时间间隔记录每个目标段的活动并且该过程从步骤210起重复。图15示出了针对目标区域的各个目标段的一组示例性时间相关能量分布124。本文中的术语“超级体素”指的是目标区域的“目标段”，其中“x”和“y”坐标限定特定目标段。
103.现在参考图13b，其例示了用于跌倒警报中的异常检测和警报生成的示例性方法的示意性流程图。如果基于跌倒检测规则在目标区域102中检测到跌倒，则在步骤302，通过雷达单元104的接收器110记录与目标区域102相对应的数据。在步骤304，针对目标区域102的每个目标段，通过分布生成器114生成当前能量分布并且通过输出单元118将该当前能量分布发送给处理单元126。在步骤306，将当前能量分布与存储在数据库120中的记录的时间相关能量分布124进行比较。在步骤308，基于该比较，确定在跌倒检测中是否检测到异常。如果在跌倒检测中没有检测到异常，则在步骤310生成警报并通过各种方式将警报提供给预期的接收者。如果在跌倒检测中检测到异常，则过滤掉跌倒警报并且过程从步骤304起重复。该过程在步骤312完成。
104.在示例性实施方式中，使用kullback-leibler(kl)散度来解释跌倒警报中的异常检测的过程，该散度对概率分布与参考概率分布如何不同进行测量。kl散度将度量mi限定为：
[0105][0106]
其中，指的是目标段的时间相关能量分布分布；并且pd指的是目标段的当前能量分布分布。
[0107]
阈值t被限定为使得如果mi《t，则在跌倒检测中没有异常。因此，会生成跌倒警报并将其发送给预期的接收者。否则，如果mi≥t，在跌倒检测中检测到异常，则会过滤掉跌倒检测并且不生成警报。
[0108]
附加地或可替代地，还可以根据基于数据库中信息的质量及其多样性的置信度分数来提供异常分数。可以提供过滤机制以基于参数诸如异常分数等来执行判定功能，以进一步选择适当的警报生成。
[0109]
应该清楚地理解，使用kullback-leibler(kl)散度解释的跌倒警报中的异常检测的过程本质上是示例性的并且不应限制本发明的范围。任何其他合适的概率分布函数都可以用于该目的而不限制本发明的范围。
[0110]
图16a、图17a和图18a例示了在本发明的示例性实施方式中在正常行为的情况下的所有时间窗上的kl散度值。
[0111]
图16b、图17b和图18b例示了在本发明的示例性实施方式中在实际跌倒的情况下
的所有时间窗上的kl散度值。
[0112]
注意，图16a和图17a中的圆圈点表示检测到的不对应于实际跌倒的异常。此类异常通常不会导致生成警报，因为它们不会伴随跌倒检测事件。
[0113]
注意，图16b和图17b中的圆圈点表示检测到的对应于实际跌倒的异常。此类异常通常会伴随跌倒检测事件，因此会生成跌倒警报。
[0114]
图16a和图16b表示在学习时段完成之前记录的散度值。相比之下，图17a和图17b表示在学习时段已经完成之后记录的散度值。因此，相比在图17a中，在图16a中更多事件被记录为异常，尽管这两者都表示正常行为。
[0115]
现在参考图18a，其示出了在没有发生实际跌倒时的kl散度，将注意，尽管记录了多个跌倒检测事件，但如以绿色圈出的，没有检测到对应的异常。因此避免了误报。
[0116]
相比之下，在确实发生了实际跌倒的图18b中，这些生成的跌倒检测事件以绿色圈出，注意这些事件也对应于异常。因此，产生跌倒检测警报。
[0117]
上面解释的系统和方法通过避免误报提供了对跌倒检测方法的改进。
[0118]
该系统的其他特征包括针对罕见事件、诸如洗衣机等之类的操作保留长期记忆的能力，如果仅考虑48小时的记忆片段，则这些事件可能被认为是异常。
[0119]
还注意，系统可以基于时间相关分布对目标区域内的区域进行分类。例如，如果说在很长一段时间内主要在夜间时间期间检测到平躺姿势，则可以将区域识别为床，或者如果说在有特征的短时段内检测到坐着和/或站立分布，则可以将区域识别为厕所，等等。这样的分类系统可以形成高级房间学习的基础。
[0120]
应当理解，为了清楚起见在单独的实施方式的上下文中描述的本发明的某些特征也可以在单个实施方式中组合地提供。相反，为了简洁起见在单个实施方式的上下文中描述的本公开的多种特征也可以单独提供或以任何合适的子组合提供，或在本公开的任何其他描述的实施方式中适当提供。在各种实施方式的上下文中描述的某些特征不应被认为是那些实施方式的基本特征，除非实施方式在没有这些元件的情况下是无效的。
[0121]
尽管已经结合本发明的特定实施方式描述了本发明，但显然其他替代、修改、变化和等同物对于本领域技术人员来说将是显而易见的。因此，旨在涵盖落入本发明的精神和所附权利要求的广泛范围内的所有这样的替代、修改、变化和等同物。此外，上文阐述的各种实施方式是依据示例性框图、流程图和其他说明来描述的。如对本领域普通技术人员将显而易见的，所示实施方式及其各种替代可以在不限于所示示例的情况下实施。例如，框图和随附的描述不应解释为强制特定架构、布局或配置。
[0122]
技术说明
[0123]
本文使用的技术和科学术语应具有与本公开所属领域的普通技术人员通常理解的相同的含义。然而，预期在从该申请形成的专利的生命期间，将开发出许多相关的系统和方法。因此，诸如计算单元、网络、显示器、存储器、服务器等之类的术语的范围旨在包括所有这些先验的新技术。
[0124]
如本文所用，术语“约”指的是至少
±
10％。
[0125]
术语“包括”、“包含”、“包涵”、“含有”、“具有”及其同源词意为“包括但不限于”，并指示所列的成分包括在内，但一般不排除其他成分。这样的术语包括术语“由......组成”和“基本上由......组成”。
[0126]
短语“基本上由......组成”意为组合物或方法可以包括附加的组成部分和/或步骤，但前提是附加的组成部分和/或步骤不会实质性地更改要求保护的组合物或方法的基本和新颖特征。
[0127]
如本文所用，单数形式“一”、“一种”和“该”可以包括复数引用，除非上下文另有明确规定。例如，术语“一种化合物”或“至少一种化合物”可以包括多种化合物，包括它们的混合物。
[0128]
术语“示例性”在本文中用于表示“用作示例、实例或说明”。被描述为“示例性”的任何实施方式不一定被解释为优先于或优于其他实施方式或排除其他实施方式的特征的结合。
[0129]
术语“可选地”在本文中用于表示“在一些实施方式中提供而在其他实施方式中不提供”。本公开的任何特定实施方式可以包括多个“可选”特征，除非这些特征冲突。
[0130]
无论何时在本文中指出数值范围，其意在包括在所指出的范围内的任何引用的数字(分数或整数)。短语“范围在第一指示数字至第二指示数字之间”和“范围第一指示数字到第二指示数字”在本文中可互换使用并且意在包括第一指示数字和第二指示数字以及它们之间的所有小数和整数。因此，应当理解，范围格式的描述仅仅是为了方便和简洁，不应理解为对本公开范围的不灵活限制。因此，范围的描述应该被认为已经具体公开了所有可能的子范围以及该范围内的各个数值。例如，对诸如从1到6的范围的描述应该被认为已经具体公开了诸如从1到3、从1到4、从1到5、从2到4、从2到6、从3到6等的子范围，以及该范围内的各个数字，例如1、2、3、4、5和6以及非整数中间值。无论范围的广度如何，这都适用。
[0131]
应当理解，为了清楚起见在单独实施方式的上下文中描述的本公开的某些特征也可以在单个实施方式中组合地提供。相反，为了简洁起见在单个实施方式的上下文中描述的本公开的多种特征也可以单独提供或以任何合适的子组合提供，或在本公开的任何其他描述的实施方式中适当提供。在各种实施方式的上下文中描述的某些特征不应被认为是那些实施方式的基本特征，除非实施方式在没有这些元件的情况下是无效的。
[0132]
尽管已经结合本发明的特定实施方式描述了本发明，但显然其他替代、修改、变化和等同物对于本领域技术人员来说将是显而易见的。因此，旨在涵盖落入本发明的精神和所附权利要求的广泛范围内的所有这样的替代、修改、变化和等同物。
[0133]
本说明书中提及的所有出版物、专利和专利申请都通过引用整体并入本说明书中，其程度如同每个单独的出版物、专利或专利申请被具体地和单独地指示通过引用并入本文中一样。此外，本技术中任何参考文献的引用或标识不应被解释为承认此类参考文献可作为本公开的现有技术使用。就使用章节标题而言，它们不应被解释为必然限制。
[0134]
所公开的主题的范围由所附权利要求限定并且包括本文上面描述的各种特征的组合和子组合以及它们的对于本领域技术人员在阅读前面的描述时会想到的变化和修改。