[发明专利]一种基于加速度传感器的人体跌倒检测方法

说明书

本发明公开了一种基于加速度传感器的人体跌倒检测方法，涉及生物医学信号处理技术领域。该方法基于双重确认的人体跌倒检测算法，其中的一级跌倒检测根据预先采集的日常行为动作(ADL)和跌倒加速度样本数据，提取阈值集；然后实时采集人体的ADL加速度数据，提取该组数据的方差作为动态阈值部分更新针对该用户的预跌倒行为阈值；设定以上阈值作为人体跌倒判断标准进行人体跌倒行为的一级检测；在一级跌倒检测过程中，一旦检测到发生预跌倒行为，将预跌倒行为前ts开始的人体行为数据发送到近数据源的服务器上进行基于SVM的二级跌倒检测判断；最后根据双重跌倒判断结果确定人体跌倒事件，并动态的更新跌倒检测算法的阈值集用于后续该用户的跌倒检测。

技术领域

本发明涉及生物医学信号处理技术领域，具体涉及一种基于加速度传感器的人体跌倒检测方法。

背景技术

随着世界人口的持续增长，医疗系统的不断完善，人口老龄化速度不断增快，我国同样面临着老龄化突出问题，独居老人越来越多，空巢现象也越来越明显。然而，独居老人的健康及安全问题逐步成为严峻的社会问题。据统计，全世界每年约有三分之一的超过65岁的老年人曾发生跌倒，而跌倒往往伴随着严重的身体及心理上伤害，进而给家庭和社会增加负担。若及时、准确的检测老年人的跌倒事件并发出报警能够最大限度的降低跌倒对老年人带来的危害，对老年人的独立生活有着非常重要的作用。

在人体跌倒检测研究中，基于加速度传感器的跌倒检测方法是最为常见的检测手段之一。在人体的发生跌倒过程中，其运动姿态会发生显著变化，比如，人体失重状态，剧烈撞击等，通过人体佩戴加速度传感器设备，实时采集人体运动信息，结合特定的跌倒检测算法可实现对人体跌倒状态的检测。例如，在专利号为CN201710796479.8中国专利中，通过采集人体活动加速度数据，将其转换成角度值以计算角度梯度数据，进而提取倾角梯度方差作为特征值，通过选取跌倒与跌倒发生后两个时刻的阈值进行比较进而实现基于双阈值的人体的跌倒检测算法。

在专利号为CN201711268665.0的中国专利中，利用训练样本加速度数据提取加速度信号向量幅度峰值，加速度信号向量幅度的最值差值，加速度信号向量幅度标准差以及相对角度变化值，结合K-means聚类方法训练个特征值的二分判决阈值，通过对实时跌倒检测时的原始信息进行特征提取后与特征阈值进行比较实现对人体跌倒的判断。

在专利号为CN201711489128.9的中国专利中，通过加速度传感器、陀螺仪、地磁仪器和气压传感器采集步行中人体手部摆动的加速度数据，通过提取加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值作为特征参量构造SVM分类器进行训练，进而实现人体的跌倒检测。

在专利号为CN201210586385.5的中国专利中，将整个跌倒过程划分为4个阶段：竖直站立阶段、跌倒前期的下落阶段、跌倒过程中碰撞阶段及跌倒后平躺并近静止阶段，其中下落和碰撞阶段采用设定加速度阈值方法实现判断，并结合角度分析人体站立和平躺状态实现跌倒检测。

以上跌倒检测方法虽然能够检测到大部分人体的跌倒行为，但由于用户的个体差异及当前真实的跌倒数据不足，使得跌倒检测的精确度难以保证。所以，虽然现有的跌倒检测方法很多，但都不能很好的满足跌倒检测的高精确度的要求。

发明内容

本发明的目的是针对上述不足，提出了一种基于加速度传感器的人体跌倒检测方法，该方法解决了当前人体跌到检测中由于忽略个体差异引起的误报、漏报问题和真实跌倒数不足的问题。

本发明具体采用如下技术方案：

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，具体包括：