[发明专利]一种基于KNN算法的跌倒检测与报警系统及方法

权利要求书

1.一种基于KNN算法的跌倒检测与报警方法，其特征在于，包括以下步骤：

步骤1，三轴加速度传感器和三轴陀螺仪以采样频率f分别实时采集人体活动中上躯干部位的三维加速度a_x、a_y、a_z数据和三维角速度ω_x、ω_y、ω_z数据，

其中a_x为沿x轴方向的加速度，a_y为沿y轴方向的加速度，a_z为沿z轴方向的加速度，ω_x为沿x轴方向的角速度，ω_y为沿y轴方向的角速度，ω_z为沿z轴方向的角速度；

步骤2，微处理器计算合加速度与合角速度ω=ωx2+ωy2+ωz2;]]>

步骤3，蓝牙设备传输合加速度和合角速度数据到智能手机；

步骤4，智能手机对人体活动状态分类识别；

步骤5，智能手机判断是否发生跌倒，若发生跌倒则执行步骤6，否则执行步骤1；

步骤6，智能手机根据所设置的报警方式通知设定的联系人。

2.根据权利要求1所述的一种基于KNN算法的跌倒检测与报警方法，其特征在于，步骤4具体包括以下步骤：

步骤401，建立合加速度数据滑动窗口，用acc[m]表示，窗口长度为m，建立合角速度数据滑动窗口，用angle[m]表示，窗口长度为m；

步骤402，以所述的采样频率f接收人体活动中上躯干部位的合加速度a与合角速度ω并分别依次存入滑动窗口acc[m]和angle[m]中；

步骤403，判断滑动窗口acc[m]和angle[m]是否已经填满，没有则继续执行步骤402，否则执行步骤404；

步骤404，计算测试样本与训练样本之间的距离，找出该测试样本的k个最近邻居，

D(t,di)=(at1-ai1)2+(ωt1-ωi1)2+...+(atm-aim)2+(ωtm-ωim)2]]>

其中，D(t，d_i)表示测试样本t与训练样本d_i之间的距离，

at和ωt为当前时刻测试样本的合加速度与合角速度，

ai和ωi为第i个训练样本的合加速度与合角速度；

步骤405，根据k个最近邻居，判断当前时刻的测试样本所属运动类型，若属于“跌倒”类型，则根据步骤6中所述的报警方式进行报警，否则执行步骤402。