[发明专利]基于特征值加权平均和阈值法相结合的老人跌倒检测方法

说明书

本发明公开了一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，包括：姿态传感器信号的读取；信号的预处理与特征值的提取；对最大合加速度、最大合角速度、最大倾角进行归一化；将最大合角速度归一化值和最大合加速度归一化值进行加权平均，将最大合角速度归一化值和最大倾角归一化值进行加权平均；对得到的两个加权平均值以及某些特征值设定阈值，并分别与各自阈值进行比较，根据比较结果判定是否跌倒。本发明通过对特征值进行加权平均，并设定多个阈值进行判定，有效地提高了识别准确率，通过滑动数据窗实现了实时检测，且算法计算量小，本发明考虑了10种ADL即跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。

技术领域

本发明涉及可穿戴设备领域，具体涉及一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法。

背景技术

对当今日益增加的老人而言，跌倒是一个严重威胁老人生命健康的问题，因此跌倒检测的研究极为重要。当前跌倒检测的研究分为基于视频图像、基于环境式、基于可穿戴设备3个方向，基于视频图像、基于环境式的系统成本高、计算量大，而基于可穿戴设备的系统是利用加速度、角速度、角度信号，在低成本、低计算量的同时也有很高的识别准确率，实时性高，为本发明研究的方向。

当前关于跌倒检测的研究考虑的ADL(Activity of Daily Living，即日常生活活动)种类较少，且不能充分利用姿态传感器信号(三轴加速度、三轴角速度、三轴角度)，实时性不够高。目前的跌倒检测研究以阈值法和模式识别法为主，阈值法的识别准确率较低，而模式识别法的算法比较复杂，计算量大，实时性差。

发明内容

为了解决现有技术存在的上述问题，本发明提出了一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，能提高识别准确率，减少计算量，有很高的实时性。

本发明目的是使用者发生4种跌倒动作时系统报警，而使用者在进行10种ADL时系统不报警。4种跌倒分别为向前跌倒、向后跌倒、向左跌倒、向右跌倒，10种ADL分别为跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。

本发明的目的是通过以下技术方案实现的：

一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，使用姿态传感器及与其蓝牙通信的上位机，蓝牙姿态传感器由被检测者携带；所述跌倒检测方法包括以下步骤：

步骤一、上位机读取姿态传感器获得的信号：记一个滑动数据窗中的动作对应的姿态传感器信号为一组信号，其中，跌倒动作对应的信号为跌倒信号，ADL对应的信号为ADL信号；每组信号包含三轴加速度信号a_x、a_y、a_z，三轴角速度信号ω_x、ω_y、ω_z，三轴角度信号Angle_x、Angle_y、Angle_z；并将读取的上述数据分为训练集和测试集；

步骤二、对所述步骤一读取的信号进行预处理与特征值提取：分别计算合加速度a及合角速度ω，并对合加速度、合角速度进行低通滤波；提取特征值，包括最大合加速度a_max、最大合角速度ω_max、最大倾角Angle_max、最大非Z轴角速度ω_xymax；

步骤三、分别对步骤二提取的最大合加速度、最大合角速度、最大倾角进行归一化处理；

步骤四、对步骤三得到的归一化值进行加权平均：对最大合角速度归一化值和最大合加速度归一化值进行加权平均，并对最大合角速度归一化值和最大倾角归一化值进行加权平均；