[发明专利]跌倒检测方法、系统及基于该系统的跌倒自动报警器

说明书

技术领域

本发明属于跌倒检测技术领域，尤其涉及跌倒检测方法、系统及基于该系统的跌倒自动报警器。

背景技术

随着人口老年化加剧，老人在未来人口中所占比重越来越大；而根据数据统计，每年约有三分之一的65岁以上老人发生过跌倒，而且比例随着年龄的增加而增大。跌倒给老人的身体的带来了巨大的损伤，严重影响其身体健康和独立生活能力。基于这一现状，市场上出现了很多关于跌倒检测的方法，但都存在一定的问题；归纳主要有以下几类：

1、基于视频监控、图像处理及模式识别的检测方法，这类方法需要在特定的区域安装摄像头进行监测，成本较高且检测范围受限，受周围环境影响较大；

2、基于音频信号的跌倒检测方法，此类方法误判率较高，实用性不大；

3、基于非AndroidWear的可穿戴设备的检测方法，此类方法受限于其开发系统的不完善，不利于产品的推广。

发明内容

本发明所要解决的技术问题在于提供一种跌倒检测方法、系统及基于该系统的跌倒自动报警器，旨在提供一种检测精度高、误判率低的检测方法及能随身携带并实时监控、实时报警的跌倒自动报警器。

本发明提供了一种跌倒检测方法，所述方法包括下述步骤：

步骤a，通过被检测对象的智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理；

步骤b，根据处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、加速度在水平方向的夹角θ；

步骤c，若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态，进一步计算加速度强度矢量SMV；

步骤d，若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒。

进一步地，所述步骤b中加速度幅度区域SMA根据公式：计算；所述加速度强度矢量SMV根据公式：计算；所述加速度在水平方向的夹角θ根据公式：计算；其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。

进一步地，所述步骤c还包括：若计算出的加速度幅度区域SMA不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。

进一步地，所述步骤d还包括：若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。

本发明还提供了一种跌倒检测系统，所述系统包括：

数据采集处理模块，用于通过被检测对象的智能穿戴设备采集被检测对象的行为数据并对所采集的数据进行滤波处理；

计算模块，用于根据所述数据采集处理模块处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、和加速度在水平方向的夹角θ；

第一判断模块，用于将所述计算模块计算出的加速度幅度区域SMA与幅度阈值进行比较，来判断人体是否处于运动状态；

第二判断模块，用于根据所述第一判断模块判断出的结果，结合所述计算模块计算出的加速度强度矢量SMV与强度阈值的比较结果、加速度在水平方向的夹角θ与角度阈值的比较结果，来判断人体是否跌倒。

进一步地，所述计算模块中加速度幅度区域SMA根据公式：计算，所述加速度强度矢量SMV根据公式：计算，所述加速度在水平方向的夹角θ根据公式：计算，其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。

进一步地，所述第一判断模块具体为：

若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态；

若计算出的加速度幅度区域不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。

进一步地，所述第二判断模块具体为：

若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒；