[发明专利]一种基于多层感知器的摔倒检测方法

权利要求书

1.一种基于多层感知器的摔倒检测方法，其特征在于，该方法包括以下步骤：

(1)采集人体的三轴加速度与角速度数据进行，并对数据进行预处理，并提取特征；

(2)构建多层感知器模型，并使用步骤(1)中提取的特征对多层感知器模型进行训练，使其能正确分类人体日常行为与摔倒行为；

(3)使用步骤(2)中建立的多层感知器模型检测人体摔倒，一旦检测到摔倒就把报警信息上传至服务器。

2.如权利要求1所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(1)中，采集人体加速度与角速度的设备使用是运动传感器为MPU6050，采集设备的CPU为MT6260MA，用于数据处理与通信功能的实现；所述步骤(1)中采集人体加速度与角速度的设备佩戴于腰部，所述三轴加速度为人体直立时左右方向为X轴，前后方向为Y轴，上下方向为Z轴，所述三轴角速度分别为绕X轴旋转的角速度、绕Y轴旋转的角速度与绕Z轴旋转的角速度。

3.如权利要求1或2所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(1)中，对数据的预处理的过程为：计算三轴加速度的总和加速度向量；将总和加速度向量进行连续的积分，得到速度信号；将得到速度信号进行连续的积分得到位置信号；所述步骤(1)中提取特征过程为：对得到加速度、角速度、速度、位置信号分别计算它们的最大值、最小值、平均值、方差、标准差和范围，共计24个特征。

4.如权利要求1～3之一所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(2)中，构建多层感知器模型的步骤为：

(2.1)将得到的特征一部分作为训练样本，另一部分作为测试样本；

(2.2)使用训练样本，构建多层感知器的输入层，隐层，输出层；

(2.3)使用测试样本，对构建的多层感知器模型进行测试；

所述步骤(2.2)中，输出层的神经元个数为提取的特征个数24，隐层的神经元个数需要根据具体情况选择合适个数，输出层的神经元个数为所要分成的类数2，分别为摔倒行为与日常行为。

5.如权利要求4所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(2.2)中训练多层感知器模型的步骤为：

(2.2.1)构建一个输入层24个神经元，隐层15个神经元，输出层两个神经元的多层感知器；

(2.2.2)使用激活函数激活隐层和输出层的神经元，所述激活函数为Sigmoid函数；

(2.2.3)随机生成各层神经元的权重系数与偏置量；

(2.2.4)通过BP算法，使用训练样本更新各层的权重系数和偏置量；

所述步骤(2.2.3)中的权重系数和偏置量是多层感知器中唯二需要调整的参数。

6.如权利要求4所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(2.3)中，测试多层感知器模型的方式为，使用测试样本作为输入神经元，使用训练生成的权重系数和偏置量执行前向传播算法，根据输出层神经元输出的数据确定其为摔倒行为还是日常行为。

7.如权利要求1～3之一所述的一种基于多层感知器的摔倒检测方法，其特征在于：所述步骤(3)中，向服务器发送的报警信息中，除了摔倒信息还包括GPS定位数据，用于定位老人摔倒所在位置，采集GPS数据采用的是MT3336的GPS定位芯片。