[發(fā)明專利]一種基于增強式學(xué)習(xí)的人體跌倒檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010624368.0
• 申請日: 2020-06-30
• 公開（公告）號: CN111931568A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設(shè)計）人: 王曉原;劉善良;劉亞奇;韓俊彥;劉士杰
• 申請（專利權(quán)）人: 青島科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京易捷勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11613
• 代理人: 齊勝杰;孫曉淑

本發(fā)明提供一種基于增強式學(xué)習(xí)的人體跌倒檢測方法及系統(tǒng)，該方法包括：采集人體在不同姿態(tài)下的特征參數(shù)，構(gòu)建人體運動數(shù)據(jù)集，其中不同姿態(tài)中包括跌倒；采用監(jiān)督學(xué)習(xí)對人體運動數(shù)據(jù)集構(gòu)建用于識別跌倒的人工神經(jīng)網(wǎng)絡(luò)模型；將人工神經(jīng)網(wǎng)絡(luò)模型的當前權(quán)值和當前閾值分別作為初始權(quán)值和初始閾值，利用誤差?修正方法對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到訓(xùn)練后的模型；實時采集基于時間序列的人體運動行為參數(shù)；利用訓(xùn)練后的模型對人體運動行為參數(shù)進行跌倒檢測。本發(fā)明通過監(jiān)督學(xué)習(xí)識別人工神經(jīng)網(wǎng)絡(luò)，采用誤差?修正學(xué)習(xí)的方法對人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，以使神經(jīng)網(wǎng)絡(luò)輸出最優(yōu)，可減少誤報率，提高報警的準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及智能穿戴設(shè)備技術(shù)領(lǐng)域，尤其涉及一種基于增強式學(xué)習(xí)的人體跌倒檢測方法及系統(tǒng)。

背景技術(shù)

隨著人口老齡化的到來，老年人跌倒頻發(fā)，且伴隨有骨折、軟組織損傷和腦部傷害等問題，嚴重的可造成心臟病突發(fā)、腦溢血、心肌梗死導(dǎo)致死亡。如果能夠?qū)Φ惯M行準確、及時的報警，并對老人及時救治可挽回老年人生命、減少老年人因跌倒帶來傷亡的風險。

在人體跌倒檢測研究中，目前的跌倒檢測、報警裝置主要分為3類：1)基于視頻圖像識別分析的跌倒檢測方法；2)基于聲學(xué)的跌倒檢測方法，在聲音復(fù)雜的環(huán)境中無法獲得較高精度的數(shù)據(jù)，一般作為其他檢測方式的輔助手段；3)基于穿戴式傳感設(shè)備的跌倒檢測方法，使用傳感器采集跌倒者行為變化的數(shù)據(jù)，通過數(shù)據(jù)分析判斷人體跌倒。例如，采用了加速度為特征參數(shù)，基于SVM分類器對跌倒進行判斷；或者將發(fā)送器與所述接收器通過電容耦合方式接入人體構(gòu)成回路，對采集到的信號使用決策樹算法進行跌倒檢測；或者提出自主神經(jīng)系統(tǒng)(ANS)響應(yīng)的生理特性的測量結(jié)果來檢測跌倒的技術(shù)。基于穿戴式傳感設(shè)備的跌倒辨識方法，使用傳感器采集跌倒者行為數(shù)據(jù)，使用閾值比較法，通過單一參數(shù)判斷人體跌倒，該方法的不足之處在于：首先，閾值會受到使用者身體因素的影響，老年人身體條件差異太大，閾值因人而異，無法選出適應(yīng)大多數(shù)人的閾值。身體狀況差的老年人的肌肉、骨骼退化、萎縮嚴重，身體感知系統(tǒng)退化，反應(yīng)時間較長，身體的協(xié)調(diào)性也比較差，容易跌倒；身體狀況較好的老年人，身體協(xié)調(diào)性較好，在跌倒開始階段，能夠及時做出反應(yīng)，防止跌倒行為發(fā)生。其次，傳感器的佩戴位置不同也會影響閾值，如果將設(shè)備佩戴于手臂或胸前，那么身材高的佩戴者加速度閾值就與身材矮的不同。所以，使用單一參數(shù)進行跌倒辨識，會受使用者身體條件的影響。

基于上述，雖然現(xiàn)在基于穿戴式傳感設(shè)備的跌倒檢測方法很多，但都普遍選擇單一參數(shù)進行跌倒識別，誤差較高，不能很好地滿足跌倒檢測的高精度要求。

上述缺陷是本領(lǐng)域技術(shù)人員期望克服的。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

為了解決現(xiàn)有技術(shù)的上述問題，本發(fā)明提供一種基于增強式學(xué)習(xí)的人體跌倒檢測方法及系統(tǒng)，解決現(xiàn)有技術(shù)中跌倒檢測基于單一參數(shù)進行跌倒識別中誤差較高的問題。

(二)技術(shù)方案

為了達到上述目的，本發(fā)明采用的主要技術(shù)方案包括：

一方面，本發(fā)明提供一種基于增強式學(xué)習(xí)的人體跌倒檢測方法，其包括：

S10、采集人體在不同姿態(tài)下的特征參數(shù)，構(gòu)建人體運動數(shù)據(jù)集，其中不同姿態(tài)中包括跌倒；

S20、采用監(jiān)督學(xué)習(xí)對人體運動數(shù)據(jù)集構(gòu)建用于識別跌倒的人工神經(jīng)網(wǎng)絡(luò)模型；

S30、將人工神經(jīng)網(wǎng)絡(luò)模型的當前權(quán)值和當前閾值分別作為初始權(quán)值和初始閾值，利用誤差-修正方法對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到訓(xùn)練后的模型；

S40、實時采集基于時間序列的人體運動行為參數(shù)；

S50、利用訓(xùn)練后的模型對人體運動行為參數(shù)進行跌倒檢測。

在本發(fā)明的一種示例性實施例中，步驟S1中的特征參數(shù)包括三軸加速度、三軸角速度和高度。