[发明专利]基于极限学习机的便携式跌倒检测装置及检测方法

权利要求书

1.一种基于极限学习机的便携式跌倒检测装置，其特征在于，包括便携式信息采集装置、手机移动端和服务中心端；所述便携式信息采集装置与手机移动端相连接，手机移动端与服务中心端相连接；所述便携式信息采集装置包括供电模块、IMU惯性传感器、MCU微控制器和蓝牙模块，供电模块分别与IMU惯性传感器、MCU微控制器和蓝牙模块相连接，IMU惯性传感器与MCU微控制器相连接，MCU微控制器与蓝牙模块相连接，MCU微控制器通过蓝牙模块与手机移动端相连接。

2.根据权利要求1所述的基于极限学习机的便携式跌倒检测装置，其特征在于，所述手机移动端包括手机蓝牙接收模块、姿态解算模块、位置解算模块、ELM跌倒检测模块和信息发送模块；所述姿态解算模块和位置解算模块均通过手机蓝牙接收模块、蓝牙模块与MCU微控制器相连接，姿态解算模块和位置解算模块均与ELM跌倒检测模块相连接，ELM跌倒检测模块与信息发送模块相连接，信息发送模块与服务中心端相连接。

3.根据权利要求1或2所述的基于极限学习机的便携式跌倒检测装置，其特征在于，所述服务中心端包括远程服务监控中心和服务救助中心，远程服务监控中心与信息发送模块相连接，远程服务监控中心与服务救助中心相连接。

4.根据权利要求1所述的基于极限学习机的便携式跌倒检测装置的检测方法，其特征在于，其步骤为：

步骤一、采集行人的运动信息：利用IMU惯性传感器采集行人的加速度和角速度，行人的加速度经过位置解算得到行人的位置信息，行人的角速度经过姿态解算得到行人的姿态角及姿态信息，并由加速度、角速度和姿态角组合得到行人的特征向量；

步骤二、ELM跌倒分类检测：采用ELM神经网络算法建立ELM分类模型，将步骤一中的特征向量输入ELM分类模型中得到最优分类输出结果，若最优分类输出结果判断为跌倒，执行步骤三，否则循环步骤二；

步骤三、远程医疗救助：将行人的位置信息及跌倒报警信息发送至远程服务监控中心，远程服务监控中心接收跌倒报警信息和定位信息后向服务救助中心发送信号，服务救助中心立即调派医疗救护人员前去实施救助。

5.根据权利要求1或4所述的基于极限学习机的便携式跌倒检测装置的检测方法，其特征在于，所述IMU惯性传感器佩戴于人体小腿部，IMU惯性传感器通过其自身携带的加速度计采集行人的三轴加速度，IMU惯性传感器通过其自身携带的陀螺仪采集行人的三轴角速度，IMU惯性传感器通过其自身携带的磁力计采集行人的方位信息，三轴分别为x轴、y轴和z轴，x轴的方向为垂直向下，y轴方向为垂直于行人腿部向前，z轴方向为水平向左。

6.根据权利要求5所述的基于极限学习机的便携式跌倒检测装置的检测方法，其特征在于，x轴角速度经姿态解算后得到航向角，y轴角速度经姿态解算后得到翻滚角，z轴角速度经姿态解算后得到俯仰角，利用航向角、翻滚角和俯仰角更新行人的姿态信息。

7.根据权利要求5所述的基于极限学习机的便携式跌倒检测装置的检测方法，其特征在于，x轴加速度、y轴加速度和z轴加速度经位置解算得到行人的速度信息，再由每个时刻的速度信息计算行人的位置信息。