[发明专利]一种跌倒检测方法、装置及系统

说明书

技术领域

本发明实施例涉及电子技术领域，尤其涉及一种跌倒检测方法、装置及系统。

背景技术

世界人口老龄化趋势已不可避免，其中老年人由于肌肉能力退化，成为易跌倒人群，并且跌倒严重威胁着老年人的健康，老年人跌倒后容易发生骨折，骨折后通常需要长期卧床，并产生一系列的并发症，造成身体功能直线下降，甚至危及生命。各类跌倒预警器随着社会的需要应运而生，由于跌倒预警器是可穿戴设备且价格低廉，受到了广大老年人的喜爱。

目前，跌倒预警器采用的跌倒检测算法都是基于一个平台的人体运动数据变化进行跌倒检测，常用的有阈值法，该方法根据人体运动的加速度、角速度、欧拉角信号的变化异常来作出是否跌倒的决策。但是由于人体动作变化多样，且阈值法往往是凭研究者的主观经验选取的阈值，对各种跌倒状况不具有普遍性，造成老年人跌倒预警器经常发出错误报警信号，准确率不高。

发明内容

本发明实施例提供一种跌倒检测方法、装置及系统，以解决跌倒检测准确率不高的问题。

第一方面，本发明实施例提供了一种跌倒检测方法，该方法包括：

获取至少两种人体运动数据；

根据所述每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果，其中，所述特征权重是基于分类器对每种人体运动数据的训练数据进行训练并计算得到。

第二方面，本发明实施例还提供了一种跌倒检测装置，该装置包括：

运动数据获取模块，用于获取至少两种人体运动数据；

跌倒结果确定模块，用于根据每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果，其中，所述特征权重是基于分类器对每种人体运动数据的训练数据进行训练并计算得到。

第三方面，本发明实施例还提供了一种跌倒检测系统，包括九轴运动传感器、足底压力传感器、报警器和本发明任意实施例所提供的跌倒检测装置，其中，

所述九轴运动传感器位于人体腰部，用于采集人体运动数据中的加速度、角速度和欧拉角，并将采集到的数据发送至所述跌倒检测装置；

所述足底压力传感器位于人体足底，用于采集人体运动数据中的足底压力，并将采集到的数据发送至所述跌倒检测装置；

所述报警器，用于在所述跌倒检测装置得到的检测结果为跌倒时，发出报警信号。

本发明实施例预先基于分类器对每种人体运动数据的训练数据进行训练并计算出每种人体运动数据对应的特征权重，在进行跌倒检测时，根据实时获取到的至少两种人体运动数据和对应的特征权重确定跌倒检测结果，而由于不同种类的运动数据作为跌倒检测的依据其贡献度不同，因此，本发明实施例将人体跌倒动作的信号特征进行智能学习与提取，确定各个特征对跌倒检测的贡献度，即所述特征权重，然后利用该特征权重进行跌倒检测，从而削弱了人为主观选取单值作为阈值的局限性，提高了跌倒检测的准确性。

附图说明

图1是本发明实施例一中的跌倒检测方法的流程图；

图2是本发明实施例二中的跌倒检测方法的流程图；

图3是本发明实施例三中的跌倒检测方法的流程图；

图4是本发明实施例四中的跌倒检测装置的结构示意图；

图5是本发明实施例五中的跌倒检测装置的结构示意图；

图6是本发明实施例六中的跌倒检测系统的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

SVM(Support Vector Machine)，支持向量机是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。

KNN(k-Nearest Neighbor algorithm)，邻近算法是电子信息分类器算法的一种。

实施例一