[发明专利]一种跌倒检测方法及其系统、通信设备和存储介质

说明书

本发明涉及通信算法领域，并提供了一种跌倒检测方法及其系统、通信设备和存储介质，包括：构建步骤，利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对加速度信号进行处理以获取特征值数据，利用特征值数据构建训练集；训练步骤，通过差分进化灰狼优化算法对训练集中的特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用最小二乘支持向量机算法对特征值数据进行再次训练，以得到算法模型；预测步骤，利用算法模型对人体上的测试数据进行即将发生跌倒状况的预测。本发明提供的技术方案大大降低了跌倒检测设备的成本，在保证实时性、低功耗的前提下，提升了分类的准确性。

技术领域

本发明涉及通信算法领域，尤其涉及一种跌倒检测方法及其系统、通信设备和存储介质。

背景技术

老年人群体易发生跌倒且可能造成致残和致死等严重后果。由跌倒所带来的伤害会给老人带来一定的心灵创伤，直接影响老年人晚年的生活质量。因此，提升跌倒检测算法的精度符合当下社会的紧迫需求，它不仅能为老年人的自身健康保驾护航，也对促进家庭和谐、社会稳定有着积极的意义。

在跌倒发生的过程中，必然伴随着动能势能间的转化及碰撞中能量的损耗。直接检测人体的能量变化显然不现实，但可通过能量的其他表现形式间接的检测到这种变化，如运动中的加速度变化。

目前在基于加速度的跌倒检测算法中，其缺点是比较容易陷入局部最优，但不一定为全局最优点，而在不断的迭代中，其它个体不断向预估的最优点靠近，结果使得算法落入了局部最优值，导致整个群体缺少多样性。另外由于这种算法基于预测性学习，在跌倒模式识别的应用中，需要对大量的样本数据进行整理、计算，计算量大，实时性低，且对硬件系统的计算能力要求高，造成硬件成本提升，无法普及。

发明内容

有鉴于此，本发明的目的在于提供一种跌倒检测方法及其系统、通信设备和存储介质，大大降低了跌倒检测设备的成本，在保证实时性、低功耗的前提下，提升了分类的准确性。

本发明提出一种跌倒检测方法，所述方法包括：

构建步骤，利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对所述加速度信号进行处理以获取特征值数据，利用所述特征值数据构建训练集；

训练步骤，通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练，以得到算法模型；

预测步骤，利用所述算法模型对人体上的测试数据进行即将发生跌倒状况的预测。

优选的，所述特征值数据包括加速度信号幅度矢量值和姿态角，所述对所述加速度信号进行处理以获取特征值数据的步骤包括：

对所述加速度信号进行低通滤波，在滤波完之后获取所述特征值数据。

优选的，所述通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数的步骤具体包括：

利用所述差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练来构建最小二乘支持向量机模型；

将所述最小二乘支持向量机模型进行初始化来得到初始化参数，所述初始化参数包括初始惩罚参数与初始核参数；

将所述初始化参数作为训练结果设置为所述最小二乘支持向量机算法的参数。

优选的，所述利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练的步骤包括：

将所述初始化参数输入所述最小二乘支持向量机算法中，在可行域内任意初始化三类群体：父代群体、子代群体以及变异狼群体；