[发明专利]一种智能跌倒监护T恤及其跌倒检测算法

权利要求书

1.一种基于智能跌倒监护T恤的跌倒检测算法，其特征在于：其中所述智能跌倒监护T恤包括T恤本体(2)、设置在T恤本体(2)上的气囊(1)、设置在T恤本体(2)上用于给气囊(1)充气的充气泵(9)、设置在T恤本体(2)上的倾倒监测传感器、微处理器和驱动单元；所述充气泵(9)的充气口接入气囊(1)，所述倾倒监测传感器的输出端接入微处理器的输入端，所述微处理器的输出端接入驱动单元的输入端，所述驱动单元的输出端接充气泵(9)的电源控制端；所述气囊(1)包括头部气囊(1-1)、颈部气囊(1-2)、肩部气囊(1-3)、臂部气囊(1-4)、腰部气囊(1-5)和臀部气囊(1-6)中的一种或多种；所述头部气囊(1-1)、颈部气囊(1-2)、肩部气囊(1-3)、臂部气囊(1-4)、腰部气囊(1-5)和臀部气囊(1-6)之间相互独立或任意几种之间相互连通；所述倾倒监测传感器包括三轴加速度传感器(4)和陀螺仪传感器(6)，所述三轴加速度传感器(4)和陀螺仪传感器(6)的输出端接入所述微处理器的输入端；

所述跌倒检测算法包括如下步骤：

步骤一：采集三轴加速度传感器(4)数据(t,Ax,Ay,Az)和陀螺仪传感器(6)的数据(t,θx,θy,θz)；其中t是从微处理器中读取的当前日期和时间；Ax、Ay、Az分别是加速度传感器(4)测量的沿三轴X、Y、Z方向的加速度值；θx、θy、θz分别是陀螺仪传感器(6)测量的沿三轴X、Y、Z方向的转动角度；

步骤二：提取步骤一中的特征值，即(t、△A、△θ)；其中△A是三维加速度值的改变量，计算方法如公式(1)所示；所述△θ是三维倾斜角度的改变量，计算方法如公式(2)所示：

A=Ax2+Ay2+Az2ΔA=|A(ti+1)-A(ti)|---(1)]]>

θ=θx2+θy2+θz2Δθ=θ(ti+1)-θ(ti)---(2)]]>

步骤三：利用预先训练好的加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ实时预测当前观察样本的特征值△A和△θ是否有摔倒的倾向；

其中，所述加速度改变摔倒模型Ma包括向前跌倒△aF、向后跌倒△aB、向左跌倒△aL和向右跌倒△aR的学习样本，其公式(3)如下：

Ma(ΔA,fall)=Σi=1nωik(ΔaF(i),ΔaB(i),ΔaL(i),ΔaR(i),posture(i))---(3)]]>

公式(3)中，ωi是一组加权系数；

k是一个反应每一时刻的加速度变化△aF(i)，△aB(i)，△aL(i)，

△aR(i)与身体姿势posture(i)之间关系的函数；

所述角速度改变摔倒模型Mθ包括向前跌倒△θF、向后跌倒△θB、向左跌倒△θL和向右跌倒△θR的学习样本，其公式(4)如下：

Mθ(Δθ,fall)=Σi=1nωik(ΔθF(i),ΔθB(i),ΔθL(i),ΔθR(i),posture(i))---(4)]]>

公式(4)中，ωi是一组加权系数；

k是一个反应每一时刻的角速度变化ΔθF(i)，ΔθB(i)，ΔθL(i)，ΔθR(i)与身体姿势posture(i)之间关系的函数；

其中，加权系数ωi和函数k需要在模型训练阶段用机器学习算法自动学习出相应的确定值；训练好的所述加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ，分别预测与当前时刻的特征值△A(t)和△θ(t)对应的身体姿势，如公式(5)和公式(6)所示：所述身体姿势包括前跌、后跌、左跌、右跌、站立、坐姿、走和跑；

步骤四：若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为前跌、后跌、左跌或右跌当中的任意一个姿势，则此时所述气囊(1)瞬间充气防止摔倒或防止摔伤；若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为站立、坐姿、走或跑，则此时所述气囊(1)不打开。

2.根据权利要求1所述的基于智能跌倒监护T恤的跌倒检测算法，其特征在于：所述智能跌倒监护T恤还包括设置在T恤本体(2)上的心率传感器(3)，所述心率传感器(3)的输出端接入所述微处理器的输入端，所述心率传感器(3)设置在T恤本体(2)的前胸处；其还包括设置在T恤本体(2)上的摄像头(5)，所述摄像头(5)的输出端接入所述驱动单元的视频接口；其还包括设置在T恤本体(2)上的通话装置(8)，所述通话装置(8)和所述驱动单元的音频接口双向连接；其还包括设置在T恤本体(2)上的GPS定位和GSM通信模块(7)，所述GPS定位和GSM通信模块(7)和所述微处理器的信号端双向连接；

所述跌倒检测算法在步骤四之后增加步骤五如下：

步骤五：经过步骤三～步骤四的判断，若用户身体姿势没有前跌、后跌、左跌、或右跌状态，通过所述心率传感器(3)判断用户的心率是否正常，若不正常说明用户身体状况不好，需要立即发送心率不正常的求助信息。