[发明专利]一种基于热释电红外的跌倒检测系统

权利要求书

1.一种基于热释电红外的跌倒检测系统，其特征在于：

该系统是将隐马尔可夫模型HMM的普适性与和热释电红外传感器采集信号的特点相互结合，提出了一种基于HMM的热释电红外跌倒检测系统；通过热释电红外跌倒检测设备，去采集去除背景信息后的人体目标行为的动态信息，接着对采集的数据进行处理，然后通过基于HMM的跌倒识别模型，对跌倒作出检测；在检测到跌倒后发出警报；

该系统包括数据采集模块，模数转换模块，滤波及去除噪声模块，数据处理模块，报警模块；

所述数据采集模块包括两个热释电红外传感器，用于采集信号；

模数转换模块，用于把由热释电红外采集到的模拟信号转换成数字信号；

滤波及去除噪声模块，用于去除各种干扰的影响，减少噪声带来的负面影响；

数据处理模块，用于进行检测分析，对跌倒检测采用隐马尔可夫模型HMM模式匹配，得到检测结果，并发出警报。

2.根据权利要求1所述的系统，其特征在于：

两个热释电红外传感器中，传感器2监测人体目标的上半身，传感器1监测人体目标的下半身，两传感器监测区域的侧视角A都为52.5°，H为传感器节点离地面的垂直距离，D为人体目标离传感器节点的水平距离。

3.根据权利要求1所述的系统，其特征在于：利用HMM进行跌倒检测主要分为两个阶段：HMM训练阶段和HMM识别阶段；

在训练阶段，对传感器节点采集到的人体目标行走数据和人体目标跌倒数据进行处理，分别得到多个行走序列和多个跌倒序列，然后通过HMM基本算法中的Baum-welch算法为行走建立HMM行走模型，为跌倒建立HMM跌倒模型，将HMM行走模型和HMM跌倒模型的参数保存，建立包含两个行为模型的模型库；

在识别阶段，对通过相同的信号处理后得到的未知行为序列，使用HMM基本算法中的前向-后向算法或Viterbi算法，计算出未知行为序列在模型库中的每个模型参数条件下的输出概率，比较各概率的大小，作出未知行为序列属于哪个模型的判断，将行为的识别结果输出。

4.根据权利要求1或3所述的系统，其特征在于：人体目标行为序列的提取采用基于短时能量和最大幅度的双门限端点检测算法和人体目标行为序列协同算法，目的是从采集到的信号中，找出所有行为序列的的起始点及结束点，从而只存储和处理有效的红外信号；

基于短时能量和幅度的双门限端点检测算法能找出所给的一路信号中的第一个人体目标运动的有用信号段，其具体的算法包括以下步骤：

S1、初始化，将信号归一化，设置短时能量门限值和一个电压门限值；

S2、将采集的信号进行分帧，每25个采样点为一帧，帧移为5，并计算出每个分帧信号的短时能量；

S3、按时间顺序，找出一个由一定数量的连续的超过门限值的分帧信号组成的可能的有用信号段，找不到则退出程序，能找到则执行第4步；

S4、判断第S3步找到的可能的有用信号段中的最大电压值是否大于电压门限值，如果大于则该可能的有用新号段被定为第一个人体目标行为信号段，如果不大于则程序返回第S3步，依时间顺序，继续寻找下一个可能的有用信号段。