(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211058747.3 (22)申请日 2022.08.31 (71)申请人 云知声智能科技股份有限公司 地址 100096 北京市海淀区西三 旗建材城 内1幢一层101号 (72)发明人 张泽宇　陈吉胜　 (51)Int.Cl. G01S 13/72(2006.01) G01S 13/58(2006.01) G06V 40/20(2022.01) G06V 10/762(2022.01) G06N 7/00(2006.01) (54)发明名称 基于超宽带雷达的老年人活动能力评估方 法及系统 (57)摘要 本发明公开一种基于超宽带雷达的老年人 活动能力评估 方法及系统， 该方法通过分布在房 间内的超宽带雷达传感器对人体目标进行步态 识别和目标跟踪； 步态识别过程中， 通过人体目 标个体之间的特征差异进行步态数据和目标身 份的关联， 根据关联结果进行人体目标的疾病预 警； 目标跟踪过程中， 通过超宽带雷达传感器的 雷达信号获取人体目标所在位置及行走轨迹， 分 析人体目标的目标速度及在指定区域的停留时 长， 以对人体目标进行行为推断； 根据人体目标 的疾病预警和行为推断结果， 进行人体目标的日 常活动能力评估。 本发明通过超宽带雷达实现对 老年人活动能力的自动评估， 规避了传统人工挨 个评估造成的巨大工作量， 能够做到老年人能力 变化的实时更新。 权利要求书2页 说明书7页 附图1页 CN 115469301 A 2022.12.13 CN 115469301 A 1.基于超宽带 雷达的老年人活动能力评估方法， 其特 征在于， 包括： 通过分布在房间内的超宽带 雷达传感器对人体目标进行步态 识别和目标跟踪； 所述步态识别过程中， 通过所述人体目标个体之间的特征差异进行步态数据和目标身 份的关联， 根据关联 结果进行 所述人体目标的疾病预警； 所述目标跟踪过程中， 通过所述超宽带雷达传感器的雷达信号获取所述人体目标所在 位置及行走轨迹， 分析所述人体目标的目标速度及在指定区域的停留时长， 以对所述人体 目标进行 行为推断； 根据所述人体目标的疾病预警和行为推断结果， 进行所述人体目标的日常活动能力 评 估。 2.根据权利要求1所述的基于超宽带雷达的老年人活动能力 评估方法， 其特征在于， 所 述步态识别过程中： 使用超宽带雷达传感器对所述人体目标行走进行感知， 将感知到的无线信号通过信号 处理得到3D点云步态数据； 使用聚类算法将3D点云步态数据分隔开， 并使用多目标匹配算 法将分隔开的数据分别与历史数据进 行追踪匹配， 得到所述人体目标的3D点云步态数据序 列， 对3D点云步态数据序列使用步态识别算法进 行步态特征提取与分析进以进 行所述人体 目标识别。 3.根据权利要求2所述的基于超宽带雷达的老年人活动能力 评估方法， 其特征在于， 所 述步态识别过程中， 获取所述人体目标 的特征动作， 根据特征动作判断所述人体目标的关 节活动差异性， 以确定所述人体目标的身份信息 。 4.根据权利要求1所述的基于超宽带雷达的老年人活动能力 评估方法， 其特征在于， 所 述目标跟踪过程中： 采用非视距环境下改进的卡尔曼滤波的定位算法NLOS ‑K、 利用贝叶斯压缩感知来消除 爬行波影响的算法BCs ‑cw和利用加权最小二乘法实现N LOS环境下的轨 迹追踪算法N ‑WLS； 行为推断过程中， 根据动作识别和目标跟踪的融合结果和运动参数对所述个体目标的 整体行为进行判断。 5.根据权利要求1所述的基于超宽带雷达的老年人活动能力 评估方法， 其特征在于， 所 述人体目标的日常活动能力评估过程中， 结合日常生活能力量表对躯体功能或失能程度进 行评估， 以对所述个 体目标进行长期监测 和辅助诊断。 6.基于超宽带 雷达的老年人活动能力评估系统， 其特 征在于， 包括： 超宽带雷达信号获取模块， 用于通过分布在房间内的超宽带雷达传感器对人体目标进 行步态识别和目标跟踪； 步态识别模块， 用于所述步态识别过程中， 通过所述人体目标个体之间的特征差异进 行步态数据和目标身份的关联， 根据关联 结果进行 所述人体目标的疾病预警； 目标跟踪模块， 用于所述目标跟踪过程中， 通过所述超宽带雷达传感器的雷达信号获 取所述人体目标所在位置及行走轨迹， 分析所述人体目标的目标速度及在指定区域的停留 时长， 以对所述人体目标进行 行为推断； 能力评估模块， 用于根据所述人体目标的疾病预警和行为推断结果， 进行所述人体目 标的日常活动能力评估。 7.根据权利要求6所述的基于超宽带雷达的老年人活动能力 评估系统， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 115469301 A 2述步态识别模块中： 使用超宽带雷达传感器对所述人体目标行走进行感知， 将感知到的无线信号通过信号 处理得到3D点云步态数据； 使用聚类算法将3D点云步态数据分隔开， 并使用多目标匹配算 法将分隔开的数据分别与历史数据进 行追踪匹配， 得到所述人体目标的3D点云步态数据序 列， 对3D点云步态数据序列使用步态识别算法进 行步态特征提取与分析进以进 行所述人体 目标识别。 8.根据权利要求7所述的基于超宽带雷达的老年人活动能力 评估系统， 其特征在于， 所 述步态识别模块中， 获取所述人体目标 的特征动作， 根据特征动作判断所述人体目标的关 节活动差异性， 以确定所述人体目标的身份信息 。 9.根据权利要求6所述的基于超宽带雷达的老年人活动能力 评估系统， 其特征在于， 所 述目标跟踪模块中： 采用非视距环境下改进的卡尔曼滤波的定位算法NLOS ‑K、 利用贝叶斯压缩感知来消除 爬行波影响的算法BCs ‑cw和利用加权最小二乘法实现N LOS环境下的轨 迹追踪算法N ‑WLS； 所述目标跟踪模块中， 根据动作识别和目标跟踪的融合结果和运动 参数对所述个体目 标的整体行为进行判断。 10.根据权利要求6所述的基于超宽带雷达的老年人活动 能力评估系统， 其特征在于， 所述能力评估模块中， 结合日常生活能力量表对躯体功能或失能程度进行评估， 以对所述 个体目标进行长期监测 和辅助诊断。权　利　要　求　书 2/2 页 3 CN 115469301 A 3