[发明专利]一种基于加速度传感器的人体跌倒检测方法

权利要求书

1.一种基于加速度传感器的人体跌倒检测方法，该方法基于检测系统，检测系统包括相互连接的数据采集模块、阈值提取模块、跌倒检测模块和报警与阈值更新模块，报警与阈值更新模块与所述跌倒检测模块相连构成一个回路，其特征在于，具体包括：

步骤一：提取阈值集；对预先采集的日常行为动作(ADL)及跌倒的加速度样本数据进行预处理并提取预跌倒行为阈值TH1，跌倒碰撞阈值TH2，跌倒恢复状态阈值TH3及跌倒后姿态阈值TH4；通过计算预先采集的加速度样本数据中所有ADL数据的均值与标准差之和作为预跌倒判断静态阈值部分；分析预先采集的加速度样本数据中的跌倒数据集，分别计算从加速度数据谷值到峰值之差、相对加速度值以及最终角度值作为特征，提取人体的跌倒碰撞阈值TH2，跌倒恢复状态阈值TH3以及跌倒后姿态阈值TH4；

步骤二：针对用户的跌倒行为进行阈值TH1的更新；通过实时采集实际用户在指定ADL动作下的加速度数据，并计算实时采集实际用户在指定ADL动作下数据的标准差作为动态阈值部分，结合步骤一中的静态阈值部分进一步提取并更新预跌倒行为阈值TH1；

步骤三：进行一级轻量级跌倒检测判断；实时采集并计算用户的实时加速度数据，逐步判断人体的预跌倒行为、跌倒碰撞行为、跌倒恢复行为和最终姿态，进而确定人体是否发生跌倒，同时在检测到人体发生跌倒行为时刻，启动无线传输；将该时刻前ts时刻开始直至进行一级轻量级跌倒检测结束时刻内数据实时发送到近数据源处的服务器以进一步处理，同时，一级轻量级跌倒检测对应的报警信号一起被发送到服务器端；

步骤四：进行基于SVM的跌倒检测判断，利用训练好的SVM分类器对接收到的加速度数据进行跌倒检测；如果结果为非跌倒行为，则不报警，如果结果为跌倒行为，则报警；

步骤五：进行双重确认及阈值更新，根据步骤三和步骤四中的两级跌倒检测判断结果进行综合确认，两级检测均发生报警，则确认人体发生跌倒，同时将该段时间段内的数据作为跌倒数据再次计算并更新TH2，TH3，TH4，用于后续该用户的跌倒检测，若人体行为为日常行为动作，将该段时间段内的数据再次计算并更新TH1。

2.如权利要求1所述的一种基于加速度传感器的人体跌倒检测方法，其特征在于，所述步骤一中所述预先采集的加速度样本数据是通过预先采集不同年龄、性别、身高和体重要求下的用户佩戴包含有加速度传感器的设备按照指定的日常行为动作(ADL)和跌倒动作的加速度数据，或者是现有的样本数据库。

3.如权利要求1所述的一种基于加速度传感器的人体跌倒检测方法，其特征在于，所述的预跌倒行为阈值TH1是计算预先采集的加速度样本数据中ADL数据获得的静态阈值与实时采集实际用户ADL的加速度数据获得的动态阈值，并取二者之和获得。

4.如权利要求1所述的一种基于加速度传感器的人体跌倒检测方法，其特征在于，所述的步骤三中的一级轻量级跌倒检测采用四级状态逐级判断方式，通过判断实时采集的加速度样本数据是否大于TH1，若否，则判断当前未发生跌倒行为，并重新执行轻量级跌倒检测；若是，则判断当前发生了预跌倒行为，继续判断加速度数据从谷值到峰值之差是否大于TH2，若否，则判断当前未发生跌倒行为，重新轻量级跌倒检测；若是，则判断人体发生了剧烈撞击，继续判断相对加速度值是否小于TH3，若否，则判断当前未发生跌倒行为，重新执行轻量级跌倒检测；若是，则判断人体处于相对稳定状态，继续判断最终角度是否小于TH4，若否，则判断当前未发生跌倒行为，重新执行轻量级跌倒检测；若是，则判断人体发生跌倒行为。

5.如权利要求1所述的一种基于加速度传感器的人体跌倒检测方法，其特征在于，所述步骤四中训练好的SVM分类器是利用上述预先采集的加速度样本数据训练获得，通过搜索每一组训练数据的周期，并计算每周期数据的均值，标准差，加速度谷值到峰值之差，加速度波谷到波峰时间间隔，加速度峰值到谷值之差，加速度波峰到波谷时间间隔，第二个波谷后指定时间间隔内加速度均值及标准差以及指定时间间隔后角度值，将所提取的特征作为特征值集合构造SVM分类器进行训练。