[發明專利]基于深度學習的樹莓派老人摔倒檢測系統

在審

• 申請號: 201810598145.4
• 申請日: 2018-06-12
• 公開（公告）號: CN108648417A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 丁紅;饒萬賢;黃炎釗
• 申請（專利權）人: 廣西科技師范學院
• 主分類號: G08B21/04
• 分類號: G08B21/04;G06K9/00;G06K9/62;G06F3/0346
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 談杰

本發明公開了基于深度學習的樹莓派老人摔倒檢測系統，每個采集器里包含兩個平行放置的三軸加速度傳感器，采集器分別放置在采集者的腰帶、褲子口袋、上衣口袋位置；加速度、角速度變化超過一定范圍時，便會發出報警信息；數據當中包含冗余信息，將數據從150維降低到100維以內，再采用DBN深度神經網絡對行為狀態的數據進行訓練，經訓練生成的網絡模型用于檢測即時的行為狀態。本發明的有益效果是摔倒檢測原理基于DBN深度神經網絡，能有效防止假摔，如當設備是自由落體到地面時并不會誤判為摔倒；樹莓派硬件設備價格便宜，能更好的得到推廣。

技術領域

本發明屬于電子器件技術領域，涉及基于深度學習的樹莓派老人摔倒檢測系統。

背景技術

日益龐大的老年群體已成為人們關注的焦點。由于老年人身體活動不便等特點，摔倒已成為我國人員傷亡的第四位原因，而意外摔倒是65歲以上人群的主要健康威脅。我國有關學者對老年人摔倒問題進行過研究，但研究所生產的產品主要為拐杖、助行器等。這些產品雖然能夠降低老人摔倒的概率，卻無法第一時間在老人摔倒時對其進行有效的救護。因此，本研究立足于傳統產品與物聯網時代結合的應用，探討出其對老年人在摔倒時不會出現延誤治療時機問題的結果。本系統對采集數據進行統計分析，可對老人活動情況的社會研究提供有效參考。我們致力于解決安全問題的老人摔倒報警系統極為需要，在樹莓派開發版的基礎上，搭載了加速度傳感器ADXL345，通過深度伸進網絡能夠實現良好的運動狀態檢測，到發生摔倒時觸發報警功能；對于頻發的老人摔倒事故也有一定程度上的預防和應對能力。

目前，研究開發人體摔倒檢測系統方面的技術有很多種，最常見的是圖像分析和加速度分析。前者是基于視頻圖像分析的摔倒自動檢測系統，這種技術準確性高，人體動作清晰可見，但需要多部攝像機同時工作，且暴露了用戶的個人隱私，監測范圍有限，受環境的影響也很大。后者主要基于微機電系統傳感器。MEMS(微機電系統)技術在近幾年得到了快速的發展，廣泛應用于摔倒檢測、狀態檢測、運動檢測等方面。目前國內一些基于MEMS技術的摔倒檢測雖可較好實現摔倒檢測，但大多計算量較大、設計復雜、價格昂貴，難以得到廣泛的推廣。

發明內容

本發明的目的在于提供基于深度學習的樹莓派老人摔倒檢測系統，本發明的有益效果是摔倒檢測原理基于DBN深度神經網絡，能有效防止假摔，如當設備是自由落體到地面時并不會誤判為摔倒；樹莓派硬件設備價格便宜，能被大多數家庭接受，相對微機電技術的計算量較大、設計復雜、價格昂貴等缺點，我們的發明更具優勢，能更好的得到推廣。

本發明所采用的技術方案是基于谷歌的物聯網操作系統Android Things，采集數據采用基于三軸加速度傳感器的加速度信號采集器，每個采集器里包含兩個平行放置的三軸加速度傳感器，這樣，采集者做每個動作時可以同時采集到兩個三軸加速度數據；

在采集過程中，采集器分別放置在采集者的腰帶、褲子口袋、上衣口袋位置；加速度傳感器產生的數據是以時間為自變量的數據，不同動作的原始數據樣本包括X軸的數據，Y軸的數據，和Z軸的數據；使用小波降噪解決原始采樣信號中所混雜著的噪音；

其中X軸的數據：正常行走時加速度變化為10至20之間，0～70代表摔倒時的加速度變化，80～120代表跑步時的加速度變化，130～170代表走路時的加速度變化；角速度方向變化：0～80代表摔倒時角速度變化，80～120代表跑步時角速度變化，120～160代表走路時角速度變化；加速度、角速度變化超過一定范圍時，便會發出報警信息；

數據當中包含冗余信息，選擇PCA方式作為降維方式，將數據從150維降低到100維以內，再采用DBN深度神經網絡對行為狀態的數據進行訓練，經訓練生成的網絡模型用于檢測即時的行為狀態。

進一步，使用小波降噪解決原始采樣信號中所混雜著的噪音方法是首先對原始采樣信號進行小波分解，則噪聲部分通常包含在高頻系數中；然后對小波分解的高頻系數以門限閾值等形式進行量化處理；最后再對信號重構即可達到降噪的目的。