基于毫米波雷达点云聚类与特征分析的跌倒检测方法及系统

本发明公开了一种基于毫米波雷达点云聚类与特征分析的跌倒检测方法及系统，通过毫米波雷达获取监测区域内的实时点云数据，进行聚类分析生成不同的簇标签，并提取每个簇的关键特征，计算特征的变化率，用于监测簇高度和低处点云比例等随时间的变化趋势，对每帧点云进行跌倒状态分类。在分类结果的基础上，采用滑动窗口方法判定识别跌倒事件。本方法能够在不同光照和复杂背景条件下稳定工作，通过对点云数据进行多层次的聚类和特征提取，结合机器学习模型，实现了对跌倒状态的高精度识别，该方法通过设计特征变化率、移动平均滤波和滑动窗口分类等算法，为智能监测提供了更可靠、隐私友好的技术支持，显著提高了跌倒检测的准确性和鲁棒性。