[发明专利]一种基于SE-CNN的人体摔倒检测方法

权利要求书

1.一种基于SE-CNN的人体摔倒检测方法，其特征在于：

(1)、搭建数据采集环境：采用一种无线射频层析成像网络节点作为网络的通信基础；利用该网络节点构建完整的无线传感网络通信系统；

(2)、数据的收集与处理：无线传感网络数据的处理方法为“发射-接收-存储”；根据收集到的射频信号强度值进行提取有效链路，去噪，小波变换，提取时域特征和小波域特征，利用提取的多域特征来训练SE-CNN模型；

(3)、所述“发射-接收-存储”方式为：

1)、接通电源，传感器节点以轮询的方式周期性的将各节点所组成链路的射频信号强度发射出来；

2)、传感器节点发送的周期射频信号被连接在PC机上的汇聚节点接收并通过串口助手传输到PC机保存为txt文本；

(4)、实时人体摔倒检测方法：利用XGBoost模型对时域特征分量和小波域特征分量以排列组合方式得到的多域特征进行筛选得到具有强鲁棒性的联合特征分量，建立摔倒动作的多域特征感知指纹库；并利用提取的多域特征来训练SE-CNN，从而可以实现对人体摔倒的检测；

(5)、其特征在于：所述SE-CNN模型算法为：

1)、数据预处理：对每个数据文本删除前后不完整的周期，使得到的数据为若干个完整的周期，将十六进制转换成十进制并减去偏移量得到真实RSS值；

2)、提取特征值：删除无效链路，对有效链路的RSS测量值提取时域特征，之后使用小波变换处理有效链路RSS测量值提取出更健壮的小波特征，再利用XGBoost模型分别对不同组合的特征进行对比，选出最具有区分能力的时域小波联合特征；

3)、模型建立：获取到时域小波联合特征和源RSS测量值一起作为SE-CNN方法的输入数据，利用SE-CNN提取无线射频信号输入矩阵的特征并显式地对无线射频信号输入矩阵的特征通道的相互依赖关系进行建模。

2.根据权利要求1所述的一种基于SE-CNN的人体摔倒检测方法，其特征在于：所述无线传感网络通信系统主要由6根PVC管、36个传感器节点、1个汇聚节点以及PC机组成。

3.根据权利要求1所述的一种基于SE-CNN的人体摔倒检测方法，其特征在于:通过不断进行实时的监测，收集实时数据并利用小波变换处理有效链路RSS测量值提取出更健壮的小波特征，使用XGBoost模型筛选得到具有强鲁棒性的时域小波域联合特征，并通过深度学习网络来自动获取特征通道的重要程度，按照特征通道的重要程度去提升有用的特征，以此来实现人体摔倒检测。