[發明專利]跌倒姿態的分類識別方法、裝置和可穿戴設備

在審

• 申請號: 202011485714.8
• 申請日: 2020-12-16
• 公開（公告）號: CN112699744A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 孫青林;張清云;陶金;孫昊;檀盼龍
• 申請（專利權）人: 南開大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 尚文文

1.一種跌倒姿態的分類識別方法，其特征在于，應用于可穿戴設備中，所述方法包括：

獲取樣本數據；所述樣本數據為設置于所述可穿戴設備上的多種傳感器在用戶的不同活動狀態下采集并輸出的信號樣本，所述活動狀態包括多種跌倒姿態和日?；顒樱?/p>

采用小波包變換從所述樣本數據中提取多種特征，以及基于所述樣本數據得到時域特征；

利用隨機森林對所述提取的多種特征和所述時域特征進行重要性評估，并篩選得到有效特征；

基于所述有效特征，采用支持向量機算法建立跌倒姿態分類識別模型；

利用所述跌倒姿態分類識別模型進行跌倒姿態的分類識別，輸出分類識別結果。

2.根據權利要求1所述的方法其特征在于，所述獲取樣本數據包括：

從UCI數據庫獲取模擬跌倒與日?；顒訑祿?；

對所述模擬跌倒與日?；顒訑祿M行預處理得到所述樣本數據。

3.根據權利要求2所述的方法，其特征在于，所述對所述模擬跌倒與日?；顒訑祿M行預處理得到所述樣本數據，包括：

從所述模擬跌倒與日?；顒訑祿羞x取胸部相關數據作為原始數據；

基于不同活動狀態對所述原始數據進行劃分，得到多列原始數據；

采用滑動窗口從所述多列原始數據中截取有效數據作為所述樣本數據，其中采樣頻率為25hz，滑動窗口的長度為75。

4.根據權利要求1所述的方法，其特征在于，所述采用小波包變換從所述樣本數據中提取多種特征，包括：

采用小波包分解將所述樣本數據劃分到不同頻帶，進行能量統計，并提取能量作為所述提取的多種特征；其中，選用“db3”小波進行n層波包變換，每列數據可得到2ⁿ組不同的頻率分量，通過下式計算各頻率分量的能量：

式中，m＝0,1,2…2ⁿ-1；i＝1,2…j，j為信號的離散采樣點數，x_m,i為離散點的幅值。

5.根據權利要求1所述的方法，其特征在于，所述時域特征包括均方根、峰峰值、峰值因子、波形因子、脈沖因子、裕度因子和峭度。

6.根據權利要求1所述的方法，其特征在于，所述多種傳感器包括加速度傳感器、陀螺儀、方向傳感器、地磁傳感器和壓力傳感器；所述多種跌倒姿態包括向前趴倒、向前跪倒、向后躺倒、向后坐倒、向左跌倒和向右跌倒。

7.根據權利要求1所述的方法，其特征在于，所述利用隨機森林對所述提取的多種特征和所述時域特征進行重要性評估，并篩選得到有效特征，包括：

對于隨機森林中的每一顆決策樹,使用相應的袋外數據OOB來計算它的袋外數據誤差,記為err_oob1；

隨機地對袋外數據OOB所有特征中的特征X加入噪聲干擾，以隨機的改變樣本在特征X處的值,并再次計算它的袋外數據誤差,記為err_oob2；

假設隨機森林中有N棵樹,那么特征X的重要性為：

X＝∑(err_oob2-err_oob1)/N。

8.根據權利要求1所述的方法，其特征在于，所述支持向量機算法采用RBF核方法來進行多分類識別。