[发明专利]一种老年人实时碰撞前跌倒检测方法

说明书

本发明公开了一种老年人实时碰撞前跌倒检测方法，通过实时为老年人佩戴惯性传感器，实时采集人体活动过程中人体活动数据集，通过滤波器滤波，并将滤波后的数据通过阈值法进行筛选，得到近似跌倒和跌倒动作数据，标注后作为训练样本输入碰撞前跌倒检测网络模型，调整模型参数，得到优化的网络模型；将实时采集的加速度计和陀螺仪数据经滤波和过滤后输入优化的碰撞前跌倒检测网络模型，得到实时碰撞前跌倒检测结果；本发明解决了机器学习算法对大量非跌倒数据的偏向会影响分类效果，产生误报和漏报的问题。

技术领域

本发明涉及老年人行为检测技术领域，具体涉及一种老年人实时碰撞前跌倒检测方法。

背景技术

随着年龄增加，老年人下肢力量变弱，身体协调性差，增大了跌倒风险。现实生活中，大多数跌倒都是由于意外的滑倒或绊倒导致人体失去平衡造成的。跌倒检测有助于及时发现并采取保护措施。现有跌倒检测大多是在跌倒发生后检测到跌倒事件的发生。但为了防止或减少跌倒对人体造成的伤害，有必要在跌倒碰撞发生之前实现跌倒检测，即实时碰撞前跌倒检测，并及时采用相应的跌倒保护措施，以减轻跌倒造成的身体伤害。

现有的碰撞前跌倒检测方法主要有基于阈值的方法和基于机器学习的方法。基于阈值的方法使用惯性传感器数据构建人工特征，根据设定的阈值实时判断是否将要发生跌倒。基于机器学习的方法，如人工神经网络和支持向量机等，通过使用样本数据集训练机器学习模型，达到提前检测跌倒的目的。

论文“Evaluation of Inertial Sensor-Based Pre-Impact Fall DetectionAlgorithms Using Public Dataset”提出了一种基于阈值的碰撞前跌倒检测方法，对惯性传感器采集的数据首先进行降噪处理，通过垂直角度(VA)和三角形特征(TF)两种阈值方法判断跌倒事件的发生。两种算法在公开数据集SisFall上都能100％准确地检测到坠落，但是两种方法的特异性分别为78.3％和83.9％，误报情况较多。

中国专利“CN106874847A基于人工神经网络的跌倒预测方法及跌倒气囊防护装置”提供了一种基于人工神经网络的跌倒预测方法及跌倒气囊防护装置，预先采集多组人体运动样本数据对人工神经网络进行训练，从而对输入的多维惯性传感器数据分别计算每一维数据分类结果并加权求和进行跌倒预测。

目前的碰撞前跌倒检测算法主要是通过阈值法和简单的机器学习算法实现，阈值法能在实验数据上获得较高的精度，但是在公开数据集上特异性较差，误报情况较多。而机器学习算法尽管相比阈值法具有更好的普遍性，但其方法直接对样本数据进行训练，由于样本不平衡，可能会丢失部分跌倒与非跌倒之间的信息差异，对大量非跌倒数据的偏向会影响分类效果，产生误报和漏报。

发明内容

针对现有技术中的上述不足，本发明提供的一种老年人实时碰撞前跌倒检测方法解决了机器学习算法对大量非跌倒数据的偏向会影响分类效果，产生误报和漏报的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种老年人实时碰撞前跌倒检测方法，包括以下步骤：

S1、为老年人佩戴惯性传感器，实时采集人体活动过程中的加速度计和陀螺仪数据，得到原始三轴加速度数据集和三轴角速度数据集；

S2、通过四阶IIR巴特沃斯低通滤波器对原始三轴加速度数据集和三轴角速度数据集进行滤波处理，得到标准三轴加速度数据集和三轴角速度数据集；

S3、通过阈值法对标准三轴加速度数据集和三轴角速度数据集进行过滤，得到疑似跌倒的三轴加速度数据集和三轴角速度数据集；

S4、将疑似跌倒的三轴加速度数据集和三轴角速度数据集进行标注后作为训练样本，并将标注后训练样本输入碰撞前跌倒检测网络模型中，调整模型参数，得到优化的碰撞前跌倒检测网络模型；