[發明專利]穿戴式摔倒動態實時檢測方法和裝置

有效

• 申請號: 201410182651.7
• 申請日: 2014-05-04
• 公開（公告）號: CN103976739B
• 公開（公告）日: 2019-06-04
• 發明（設計）人: 時廣軼;王春波;李文榮;金玉豐
• 申請（專利權）人: 寧波麥思電子科技有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11;G06K9/66
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 宋敏

1.一種基于穿戴式檢測系統的摔倒動態實時檢測方法，其特征在于，以完成人體摔倒的實時判別，核心算法包括：算法1步態加速度突變引起的閾值開啟邏輯結構；算法2基于零力矩點的人體姿態動態穩定性判別算法；算法3基于人體運動數據庫的摔倒模式識別算法；

實時判別算法是對上述三種核心算法的綜合運用，檢測摔倒時，首先由算法1判別出異常狀態，然后由算法2和算法3分別判斷人體姿態的穩定性和摔倒動作，當算法2和算法3同時給出摔倒報警信號，則判定為發生摔倒，三種算法可獨立或者兩兩組合完成摔倒的檢測，

上述算法1中的邏輯結構中的步態邏輯包括人正常運動時所有的腳步動作，所述加速度突變是指在上述人體正常運動狀態下，由于暈厥、打滑、磕絆、支撐無力、外力沖擊突發狀態而引起的腳部加速度突變，此種加速度突變必須與腳部的壓力數據配合才能判別為非正常狀態，進而開啟觸發信號；

算法2所述的基于零力矩點的人體動態穩定性判別改進算法，是根據真實的腳步壓力數據、關鍵節點的加速度和角速度數據，進一步積分得到速度、位置和轉角，帶入到動態判據模型，零力矩點應落在動態穩定區域內，而由于摔倒動作引起的零力矩點出離動態穩定區域，則認為人有摔倒的可能性，零力矩點離開動態穩定區域越大，人體自動平衡到安全狀態的幾率越小，摔倒的可能性越大；

算法3所述基于人體運動數據庫的摔倒模式識別算法主要包括以下步驟：建立“跌倒”和“非跌倒”慣性向量數據庫；使用主成分分析對上述慣性向量數據庫進行提取和選擇降維特征；以及對上述提取和選擇降維特征后慣性向量數據進行模式識別和閥值判斷從而建立模式識別判別器，將建立的模式識別判別器安裝進微控制器進行實時檢測；

所述建立“跌倒”和“非跌倒”慣性向量數據庫具體為：利用微慣性測量單元分別采集腰部、腕部和足部在“跌倒”和“非跌倒”狀態下的慣性向量數據；使用初始濾波器對慣性向量數據庫的數據進行濾波的步驟；所述初 始濾波器包括：平均濾波器、FIR濾波器、IIR濾波器、卡爾曼濾波器和改進卡爾曼濾波器；

還包括使用主成分分析對上述慣性向量數據庫進行提取和選擇降維特征具體為：利用特征提取算法對數據進行壓縮；所述特征提取算法，包括：快速傅里葉變換算法、快速余弦變換算法、主向量分析算法和獨立向量分析算法；

以及對上述提取和選擇降維特征后慣性向量數據進行模式識別和閥值判斷從而建立模式識別判別器，將建立的模式識別判別器安裝進微控制器進行實時檢測即模式識別訓練中，所述模式識別訓練中模式識別算法包括：改進支持向量機算法、改進隱式馬爾科夫算法和改進神經網絡算法；所述改進是根據采集的數據維度對現有算法進行調整，并對模式識別算法中的權重進行具體調整。

2.根據權利要求1所述的基于穿戴式檢測系統的摔倒動態實時檢測方法，其特征在于，所述算法1中閾值開啟的閾值開啟算法包括以下危險狀態：支撐腳因滑動引起的前后方向和左右方向加速運動；擺動腳因磕絆引起的減速運動；暈厥引起的腳部壓力減小并伴有的腰部失重運動；雙腳騰空時伴隨的腰部失重運動。

3.根據權利要求1所述的基于穿戴式檢測系統的摔倒動態實時檢測方法，其特征在于，所述零力矩點的計算，需要確定人的身高、體重、腿部長度并確定靜態重心位置，從而確定每個穿戴式設備使用者的動態穩定區域；

所述動態穩定區域的計算完整的模型需要手部、腳步、腰部和背部所有節點的動態數據，但雙腳與腰部以及雙腳與背部的簡單節點組合可粗略計算動態穩定區域。

4.一種用于權利要求1所述的動態實時檢測方法的穿戴式摔倒實時檢測系統，其特征在于，包括腰部傳感子系統、背部傳感子系統、腕部傳感子系統和足部傳感子系統，所述背部、腕部和足部傳感子系統通過無線通信方式與腰部傳感子系統通信，并將數據集中于腰部傳感子系統內處理，所述腰部傳感子系統根據傳感數據實時判斷人體運動的姿態，并分辨出摔倒動作，實時報警。

5.根據權利要求4所述的穿戴式摔倒實時檢測系統，其特征在于，所述腰部傳感子系統有一個節點；所述背部傳感子系統有一個節點；所述腕部傳感子系統至少有兩個節點；所述足部傳感子系統至少有四個節點。