[发明专利]基于遗传算法和概率神经网络的远程摔倒检测方法及系统

说明书

本发明涉及一种基于遗传算法和概率神经网络的远程摔倒检测方法，该方法包括以下步骤：(1)采集老年人身体信息：采集老年人的三轴加速度和姿态角，计算特征值，组成特征向量；(2)分类检测：构建概率神经网络，并采用遗传算法优化概率神经网络，通过优化后的概率神经网络根据步骤(1)中特征向量，对老年人摔倒行为与类摔倒行为进行分类检测；(3)远程监测：将步骤(2)中监测到的老年人摔倒信息上传至服务器，并由服务器发送至远程监控终端进行监控。

技术领域

本发明属于医学健康监测的技术领域，尤其涉及一种基于遗传算法和概率神经网络的远程摔倒检测方法及系统。

背景技术

现阶段，全球人口老龄化现象日益严重。预计到2050年我国将成为人口老龄化程度最严重的国家之一，这将给我国社会的发展带来诸多挑战，特别是老年人的身体健康保障问题备受关注。因此，老年人的健康护理成为社会迫切需要解决的问题。传统的老年人护理需要护理人员实时监护他们的身体健康状况，耗费了大量的人力、物力资源，成本相对较高。

随着电子科技的发展，通过电子信息技术能极大的弥补这些缺陷，使用新型传感器检测老年人的生理健康状况，减轻了医护人员的监护负担，并且通过互联网通信构建一个服务平台，可以使老年人近距离对接社区医疗中心，方便医护人员及家属远距离实时监测老年人的身体健康状况，极大地降低了成本，并且改善了老年人的护理条件，降低了老年人突发状况死亡的风险。

摔倒严重威胁着老人的健康，老人在跌倒骨折后，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。因此，对于老年人的摔倒检测尤为重要。通过传感器检测老年人摔倒的传统算法是阈值检测算法。然而，传统的阈值检测算法准确率低，难以区分摔倒和类似摔倒的正常活动，比如躺下休息、蹲下、弯腰等，从而导致误报、漏报。

综上所述，如何解决现有的老年人健康监控系统中对老年人摔倒检测的误报、漏报问题，尚缺乏有效的解决方案。

发明内容

本发明为了解决上述问题，克服现有技术中的老年人健康监控系统中对老年人摔倒检测的误报、漏报问题，提供一种基于遗传算法和概率神经网络的远程摔倒检测方法及系统。依托互联网的大数据平台，整合及处理多路传感器数据，并提出在摔倒检测中使用基于遗传算法的概率神经网络方法，来提高检测摔倒的准确率。通过互联网技术，使医护人员和家属能远程实时监测老年人身体健康状况，提高老年人的护理保障水平。

为了实现上述目的，本发明采用如下一种技术方案：

一种基于遗传算法和概率神经网络的远程摔倒检测方法，该方法包括以下步骤：

(1)采集老年人身体信息：采集老年人的三轴加速度和姿态角，计算特征值，组成特征向量；

(2)分类检测：构建概率神经网络，并采用遗传算法优化概率神经网络，通过优化后的概率神经网络根据步骤(1)中特征向量，对老年人摔倒行为与类摔倒行为进行分类检测；

(3)远程监测：将步骤(2)中监测到的老年人摔倒信息上传至服务器，并由服务器发送至远程监控终端进行监控。

进一步的，所述步骤(1)中，采用三轴加速度计采集老年人动作的三轴加速度，坐标轴的设定为以人体直立时，人体左右方向作为X方向、前后方向为Y方向、上下方向为Z方向。

进一步的，所述步骤(1)中，采用陀螺仪采集老年人动作的第一姿态角和第二姿态角，所述第一姿态角为绕Y轴旋转的姿态角；所述第二姿态角为绕X轴旋转的姿态角。

进一步的，所述步骤(1)中，根据采集老年人的三轴加速度和姿态角，计算特征值，所述特征值包括合加速度SV、动态加速度SVD、身体垂直方向的加速度分量BVA、加速度变化的剧烈程度K和姿态角变化的剧烈程度M；