[發(fā)明專利]一種基于腕帶式設(shè)備的跌倒檢測算法

在審

• 申請?zhí)枺?/td>: 201710796479.8
• 申請日: 2017-09-06
• 公開（公告）號: CN107569234A
• 公開（公告）日: 2018-01-12
• 發(fā)明（設(shè)計）人: 周亮;趙晨雪;陳建新;周生強
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: A61B5/11
• 分類號: A61B5/11;A61B5/00;G06F17/00
• 代理公司: 南京知識律師事務(wù)所32207
• 代理人: 高嬌陽

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于腕帶式設(shè)備的跌倒檢測算法，屬于人體行為識別技術(shù)的研究和應(yīng)用。

背景技術(shù)

當(dāng)今社會人口老齡化越來越嚴(yán)重，衛(wèi)生部的最新資料表明跌倒是我國65歲以上老年人死亡的首位原因，老人跌倒造成的傷害和老年人跌倒死亡率隨著年齡急劇上升，所以對老年人的跌倒進(jìn)行及時的發(fā)現(xiàn)以及救治是至關(guān)重要的。現(xiàn)在空巢老人越來越多，研究表明，全國有4700萬老人處于獨居狀態(tài)。老人跌倒如果發(fā)生在室內(nèi)或者無人察覺，會導(dǎo)致無法進(jìn)行及時救治和通知家屬，導(dǎo)致老人的生命受到極大的威脅。跌倒檢測技術(shù)就是及時、準(zhǔn)確的發(fā)現(xiàn)老人跌倒事件，對跌倒事件能夠進(jìn)行及時的報警、通知家人以及急救中心，讓老人能夠在最短時間內(nèi)得到救治和幫助。

跌倒檢測的方法多種多樣，現(xiàn)階段跌倒檢測的主要差異在于數(shù)據(jù)的采集和數(shù)據(jù)處理算法。數(shù)據(jù)的采集設(shè)備和方式包括可穿戴設(shè)備、音頻設(shè)備和視頻設(shè)備。數(shù)據(jù)處理算法包括使用分類器算法、閾值判斷和模式識別等方法。三種數(shù)據(jù)采集的方法各有不同，它們具有各自的優(yōu)點和缺點。視頻數(shù)據(jù)采集中，老人不需要身體佩戴任何設(shè)備、易于配置和多功能性、準(zhǔn)確率高等優(yōu)點，但是受到環(huán)境和空間的限制，并且涉及隱私問題；音頻數(shù)據(jù)采集最大的優(yōu)點就是老人無須進(jìn)行佩戴設(shè)備，減少老人的負(fù)擔(dān)，但是檢測的準(zhǔn)確度偏低，實用性較差并且無法應(yīng)用于室外壞境；穿戴式設(shè)備數(shù)據(jù)采集具有造價低，覆蓋范圍廣，容易使用等優(yōu)點。但是其準(zhǔn)確率較低，設(shè)備的佩戴舒適度、減少佩戴傳感器的數(shù)目、節(jié)點能耗問題等問題都是急需解決的問題。對于基于傳感器的跌倒檢測算法，目前國內(nèi)外的研究趨勢主要是基于特征值閾值檢測，即特征值超過一定的閾值，即判斷為跌倒行為，但是這種方法閾值的選取至關(guān)重要，閾值選取將直接影響最終判決結(jié)果。閾值算法具有算法復(fù)雜度低、延時小等優(yōu)點，但是閾值大小的選取、特征值選擇和準(zhǔn)確率低等都是閾值選擇必須解決的問題。

發(fā)明內(nèi)容

針對上訴問題中存在的不足之處，本發(fā)明提出了一種基于腕帶式設(shè)備的跌倒檢測算法。

為了解決以上問題本發(fā)明提供了一種基于腕帶式設(shè)備的跌倒檢測算法，其特征在于，包括以下步驟：

步驟1：采集數(shù)據(jù)

將三軸加速度傳感器節(jié)點佩戴在手腕處采集加速度信息，采樣頻率選擇為20Hz；

步驟2、獲取特征值

將步驟1采集的加速度數(shù)據(jù)轉(zhuǎn)換為期望獲取的特征值的，通過Shimmer節(jié)點進(jìn)行算法驗證，Shimmer節(jié)點內(nèi)部集成的三軸加速度傳感器采集的數(shù)據(jù)是電壓值，經(jīng)過對其進(jìn)行校正獲得加速度值，加速度值轉(zhuǎn)換成為角度值，通過角度值能夠直觀的了解佩戴人員的動作姿態(tài)以及活動規(guī)律；計算角度的梯度值，根據(jù)數(shù)據(jù)之間的變化規(guī)律得出傾角梯度數(shù)據(jù)，利用分組數(shù)據(jù)求方差的方法獲得最終的特征值；

步驟3、跌倒檢測

采集獲得傾角梯度方差作為特征值后，需要選取閾值作為不同行為判斷的標(biāo)準(zhǔn)；本處采用雙閾值的跌倒檢測算法進(jìn)行跌倒檢測，對比正常行為與跌倒行為特征值選取預(yù)定閾值；對跌倒事件發(fā)生時刻以及跌倒發(fā)生后的下一個時刻特征值數(shù)據(jù)進(jìn)行閾值判斷，從而判斷是否發(fā)生跌倒行為。

所述的步驟2包括以下內(nèi)容：

2.1校正“電壓值轉(zhuǎn)換為加速度值”

將Shimmer平臺和Shimmer 9DOF Calibration應(yīng)用程序通過Bluetooth連接，設(shè)置加速度的靈敏度范圍為6g；首先，對Shimmer平臺進(jìn)行X軸校正，將節(jié)點放在水平面上，X軸正方向垂直向下，并按下Shimmer 9DOF Calibration應(yīng)用程序中的校正程序上的X+g按鈕獲取數(shù)據(jù)；然后再將X軸負(fù)方向垂直向上，并按下Shimmer 9DOF Calibration應(yīng)用程序中的校正程序上的X-g按鈕獲取數(shù)據(jù)；按照上述步驟對Y軸和Z軸依次校正。最終得到三軸加速度傳感器的偏移矩陣、敏感度矩陣和校準(zhǔn)矩陣；

其中三軸加速度數(shù)據(jù)和電壓值數(shù)據(jù)、偏移矩陣、敏感度矩陣以及校準(zhǔn)矩陣之間的關(guān)系如式1所示：

c＝R^-1.K^-1.(u-b)(1)

其中c——校正后的3×1的校正后數(shù)據(jù)矩陣，單位為m/s²；

R——3×3的校準(zhǔn)矩陣；

K——3×3的敏感度矩陣，單位為mV/m/s²；

u——3×1的原始加速度數(shù)據(jù)矩陣，單位為mV；

b——3×1的偏移矩陣，單位為mV。