[发明专利]一种结合生理参数监测的人体摔倒预警和检测方法

摘要

本发明涉及一种结合生理参数监测的人体摔倒预警和检测方法。本方法首先采用移动手机、平板电脑等设备实时监测人体的生理参数，并进行分析来建立易摔倒模型，从而进行摔倒预警；其次，搭建了人体生理参数和运动数据的同步采集平台，以实现人体生理参数（如血氧饱和度、脉率、脉搏信号强度等）和运动数据（腰部髋骨位置的加速度、躯干瞬时角度）的同步采集。然后，提出结合人体生理参数和运动数据进行摔倒预警与检测模型，通过建立人体易摔倒模型来进行摔倒预警，同时提出了基于SVM的摔倒检测算法来进行摔倒的检测；最后，对采集的数据进行特征提取和缩放，得到相关特征属性，并结合类型信息组成训练集样本。通过对训练集的训练，得到的分类预测模型用于预测未知类型的样本的类别，并将摔倒活动中的特征向量加入训练数据集，用于下一轮的训练。

主权项

一种结合生理参数监测的人体摔倒预警和检测方法，其特征在于：构建一种结合人体生理特征和运动特征的摔倒预警和检测模型，人体的运动特征包括加速度和肢体瞬时角度特征，生理特征包括脉率、血氧饱和度和脉搏信号强度；具体操作步骤如下：1）数据采集和摔倒预警：通过搭建同步数据采集系统，采集人体的生理参数和运动数据，得到原始样本集合；通过对人体生理参数的监测和分析，建立易摔倒模型，判断人体是否处于易摔倒状态，从而通过预警避免或者减少摔倒的发生，得到包含活动类型信息的原始数据样本；2）特征提取：从步骤1）得到的生理数据中提取出脉率变化特征，从运动数据中提取出腰部髋骨位置点的加速度特征——加速度、竖直加速度最大值、竖直方向加速度最小值，以及肢体瞬时角度特征——躯干与大腿形成的夹角和大腿与小腿形成的夹角；然后，将这些特征集合在一起，组成特征向量，并对向量中的每个特征进行缩放，从而得到包含类别标签的训练集；3）样本训练：利用交叉验证得到的最优的训练参数C和γ，对训练集中的样本进行训练，得到分类预侧模型，从而用于区分摔倒和类似摔倒的活动；4）样本预测：将新采集的数据进行特征提取和缩放后，得到未知类型的新的样本，然后采用步骤3）得到的分类预侧模型来预测此未知样本的类型；如果检测到摔倒发生，则把摔倒发生时得到的样本数据进行缩放后，加入到训练数据集中，用于训练出新的模型，从而使这种方法具有一定的自学习的能力。