一種個人化多閾值跌倒檢測方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種個人化多閾值跌倒檢測方法，包括：提取指定動作下不同分組群體的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的第二加速度數(shù)據(jù)閾值，獲取個人化加速度跌倒檢測閾值；實時采集實驗用戶個人的加速度數(shù)據(jù)，計算加速度變化參數(shù)和人體與地面所呈實時夾角；判斷預(yù)跌倒行為是否發(fā)生，若否，則重新執(zhí)行該步驟；若是，則跟蹤檢測人體行為，并在預(yù)設(shè)時間段內(nèi)檢測人體是否處于穩(wěn)定狀態(tài)；若否，繼續(xù)檢測人體是否處于穩(wěn)定狀態(tài)，若是，根據(jù)人體與地面所呈實時夾角判斷人體姿態(tài)是否處于躺狀態(tài)；若是，表示跌倒，輸出跌倒報警。本發(fā)明解決了由于用戶個體差異引起的閾值偏差，減少了誤報、漏報現(xiàn)象，提高跌倒檢測的精確度，滿足人體跌倒檢測的高精度要求。
【專利說明】一種個人化多閾值跌倒檢測方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明生物醫(yī)學(xué)信號處理【技術(shù)領(lǐng)域】，涉及一種跌倒檢測方法及系統(tǒng)，特別是涉及一種人化多閾值跌倒檢測方法及系統(tǒng)。
【背景技術(shù)】
[0002]根據(jù)世界疾病控制與預(yù)防組織統(tǒng)計，全世界每年約有三分之一的超過65歲的老年人曾發(fā)生跌倒，然而發(fā)生跌倒的危險隨著年齡的增加而增多，約有50%-80%的80歲及以上老年人經(jīng)受跌倒的風(fēng)險。跌倒是老人中常見的嚴重事故之一，它的發(fā)生常伴隨著嚴重的后果，例如:再次跌倒的恐懼感，骨折，更為嚴重的會導(dǎo)致死亡，這些不僅加重了家庭的醫(yī)藥開銷，更加重了醫(yī)療機構(gòu)的負擔(dān)。目前，我國已經(jīng)進入老齡化階段，獨居老人逐漸增多，空巢現(xiàn)象也越來越明顯。為了應(yīng)對老齡化加速發(fā)展狀況及跌倒帶來的嚴重后果，實時、便攜、高精度的跌倒檢測方法能夠有效的降低跌倒檢測帶來的危害。
[0003]目前，國內(nèi)外已經(jīng)有很多類似對跌倒檢測的研究，其中基于三軸加速度傳感器的跌倒檢測方法中，從信號處理方法的角度進行分類，可以分為，基于閾值的跌倒檢測方法及基于模型的跌倒檢測方法。其中基于模型的跌倒檢測方法通常利用機器學(xué)習(xí)的相關(guān)算法，離線訓(xùn)練分類模型，并利用提取的模型區(qū)分正常行為和跌倒行為。例如，專利CN201110180341.8采用窗口方法截取用戶行為數(shù)據(jù)，并利用訓(xùn)練的基于高斯觀測密度的HMM模型對截取的窗口數(shù)據(jù)進行規(guī)整、提取出用戶行為數(shù)據(jù)的特征向量作為測試樣本，最后結(jié)合離線訓(xùn)練獲得識別支持向量機模型和加權(quán)K近鄰算法雙重模型實現(xiàn)跌倒檢測的識另O?；谀Ｐ偷姆椒ㄍǔ２捎秒x線的方式進行處理，這就導(dǎo)致基于模型的跌倒檢測方法很難應(yīng)用到實際當中去。即使離線獲得分類模型，這種方法往往需要大量的存儲空間，并且功耗也成為了一個重要的限制?，F(xiàn)有的基于閾值的跌倒檢測方法通過對比用戶行為過程中數(shù)據(jù)及預(yù)先設(shè)定參數(shù)閾值實現(xiàn)跌倒檢測。例如，專利CN200880012293.8通過比較合加速度及設(shè)定閾值大小來判斷用戶跌倒。為了進一步減少誤警率，該發(fā)明進一步檢測跌倒檢測設(shè)備的自由落體運動、設(shè)備的旋轉(zhuǎn)及設(shè)備與人體的緊鄰程度。專利CN201210586385.5通過分析采集到的跌倒數(shù)據(jù)，將跌倒過程劃分為4個階段，豎直站立階段、跌倒前期的下落階段、跌倒過程中碰撞階段及跌倒后平躺并近靜止階段，其中下落和碰撞階段是利用加速度閾值實現(xiàn)。并結(jié)合通過角度分析的站立和平躺階段，實現(xiàn)跌倒行為的識別。專利CN200910145045.7通過設(shè)定閾值對比判斷跌倒沖擊的發(fā)生，并結(jié)合所受沖擊和沖擊前后傾斜角度實現(xiàn)最終人體跌倒的判斷。此外，采用基于閾值方法的跌倒檢測的相關(guān)專利申請還包括:CN200720125141.1、CN201210133447.7、CN200910021227.3、CN201210580907.0、CN201310227768.8等。這些跌倒檢測方法通常采用人為設(shè)定的閾值的方法實現(xiàn)基于閾值的跌倒檢測算法，但由于個別個人的動作幅度會有所偏差，加之噪聲的影響，跌倒檢測的精確度難以保證。所以，雖然現(xiàn)有的跌倒檢測方法很多，但都不能很好的滿足跌倒檢測的高精確度的要求。
[0004]因此，如何提供一種實時、便攜、高精度的跌倒檢測方法，以克服現(xiàn)有技術(shù)中無法準確獲取人體跌倒的信息、不能夠濾除大量的由于個體差異引起的誤報、漏報而造成無法滿足人體跌倒檢測的高精度要求的問題，是醫(yī)療衛(wèi)生領(lǐng)域和IT領(lǐng)域一個亟待解決的課題。
【發(fā)明內(nèi)容】
[0005]鑒于以上所述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種個人化多閾值跌倒檢測方法及系統(tǒng)，用于解決現(xiàn)有技術(shù)中的跌倒檢測方法及系統(tǒng)無法準確獲取人體跌倒的信息、不能夠濾除大量的由于個體差異引起的誤報、漏報而造成無法滿足人體跌倒檢測的高精度要求的問題。
[0006]為實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明一方面提供一種個人化多閾值跌倒檢測方法，包括:步驟一，令實驗用戶個人完成指定動作，在完成指定動作的過程中采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)；提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值，并獲取個人化加速度跌倒檢測閾值；步驟二，實時采集實驗用戶個人的實時加速度數(shù)據(jù)，并根據(jù)實時加速度數(shù)據(jù)計算加速度變化參數(shù)和人體與地面所呈實時夾角；步驟三，判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若是，則執(zhí)行下一步；若否，則重新執(zhí)行該步驟；步驟四，實時跟蹤實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)檢測實驗用戶個人是否處于穩(wěn)定狀態(tài)，若是，則執(zhí)行下一步；若否，則重新執(zhí)行該步驟；步驟五，根據(jù)人體與地面所呈實時夾角判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)；若是，則表示實驗用戶個人發(fā)生跌倒，輸出跌倒報警，若否，則返回步驟三。
[0007]優(yōu)選地，所述跌倒檢測方法還包括預(yù)處理預(yù)存儲不同分組群體的指定動作加速度數(shù)據(jù)集及實驗用戶個人的加速度數(shù)據(jù)；其中，所述預(yù)處理包括數(shù)據(jù)濾波、空缺值填補、及錯誤值修正；群體根據(jù)年齡段或性別分組。
[0008]優(yōu)選地，所述步驟一中所提取到的第一加速度數(shù)據(jù)閾值集是利用數(shù)學(xué)分析方法從預(yù)存儲不同分組群體的指定動作加速度數(shù)據(jù)集中提取到的。
[0009]優(yōu)選地，所述第二加速度數(shù)據(jù)閾值是利用數(shù)學(xué)分析方法根據(jù)采集到的實驗用戶個人的指定動作加速度數(shù)據(jù)及根據(jù)實驗用戶個人的屬性信息映射分組群體中所得到的第一加速度數(shù)據(jù)閾值進一步提取到的。
[0010]優(yōu)選地，獲取個人化加速度跌倒檢測閾值的步驟包括通過對所屬群體的第一加速度數(shù)據(jù)閾值和第二加速度數(shù)據(jù)閾值的進行微處理獲取個人化加速度跌倒檢測閾值。
[0011]優(yōu)選地，所述步驟三還包括根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。
[0012]優(yōu)選地，所述步驟四還包括在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若加速度變化參數(shù)大于預(yù)定加速度變化閾值，則表示檢測到實驗用戶個人不處于穩(wěn)定狀態(tài)；若加速度變化參數(shù)小于等于預(yù)定加速度變化閾值，則表示檢測到實驗用戶個人趨于穩(wěn)定狀態(tài)。
[0013]優(yōu)選地，所述步驟五還包括根據(jù)實驗用戶人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立，返回所述步驟三。
[0014]本發(fā)明另一方面還提供一種個人化多閾值跌倒檢測系統(tǒng)，包括:采集模塊，用于實驗用戶個人在完成指定動作的過程中采集所述實驗用戶個人加速度數(shù)據(jù)；及在實驗用戶個人完成指定動作后實時采集實驗用戶個人實時加速度數(shù)據(jù)；提取模塊，與所述采集模塊連接，用于提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值；計算模塊，與所述采集模塊和提取模塊連接，用于根據(jù)第一加速度數(shù)據(jù)閾值集和第二加速度數(shù)據(jù)閾值計算獲取個人加速度跌倒檢測閾值，并根據(jù)實時加速度數(shù)據(jù)計算加速度變化參數(shù)和人體與地面所呈實時夾角；檢測模塊，與所述提取模塊連接，用于判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生；若是，則實時跟蹤檢測實驗用戶個人的人體行為，并在預(yù)設(shè)時間內(nèi)判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)；若否，繼續(xù)跟蹤檢測人體是否處于穩(wěn)定狀態(tài)，若是，判斷人體姿態(tài)是否處于躺狀態(tài)；根據(jù)人體與地面所呈實時夾角判斷人體姿態(tài)是否處于躺狀態(tài)；若是，表示實驗用戶個人跌倒，輸出跌倒報警，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生。
[0015]優(yōu)選地，所述檢測模塊還用于根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。
[0016]優(yōu)選地，所述檢測模塊還用于根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值實時跟蹤實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定角速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)均小于等于預(yù)定加速度變化閾值，則表示實驗用戶個人處于穩(wěn)定狀態(tài)；若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)存在大于預(yù)定加速度變化閾值情況，則表示實驗用戶個人的個人仍處于不穩(wěn)定狀態(tài)，需繼續(xù)監(jiān)測并判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)。
[0017]優(yōu)選地，所述檢測模塊還用于根據(jù)人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立，重新判斷預(yù)跌倒行為是否發(fā)生。
[0018]如上所述，本發(fā)明的個人化多閾值跌倒檢測方法及系統(tǒng)，具有以下有益效果:
[0019]1、本發(fā)明解決了由于用戶個體差異引起的閾值偏差，進一步減少了誤報、漏報現(xiàn)象。
[0020]2、本發(fā)明結(jié)合人體行為的實時跟蹤及人體姿態(tài)的綜合判斷，進一步提高了跌倒檢測的精確度，滿足了人體跌倒檢測的高精度要求。
[0021]3、本發(fā)明所述個人化多閾值跌倒檢測方法及系統(tǒng)可以使用戶攜帶基于單個三軸加速度傳感器的設(shè)備，不需要任何其他外部設(shè)備，即可實現(xiàn)低成本、便攜、實時的跌倒檢測。【專利附圖】
【附圖說明】
[0022]圖1顯示為本發(fā)明的個人化多閾值跌倒檢測方法流程圖。
[0023]圖2顯示為本發(fā)明的個人化多閾值跌倒檢測方法中步驟S2的具體流程圖。
[0024]圖3顯示為本發(fā)明的個人化多閾值跌倒檢測系統(tǒng)原理結(jié)構(gòu)示意圖。
[0025]元件標號說明
[0026]I個人化多閾值跌倒檢測系統(tǒng)
[0027]11采集模塊
[0028]12提取模塊
[0029]13計算模塊
[0030]14檢測模塊
[0031]15報警模塊
[0032]141 第一檢測單元
[0033]142第二 檢測單元
[0034]143第三檢測單元
[0035]SI ~S7 步驟
【具體實施方式】
[0036]以下通過特定的具體實例說明本發(fā)明的實施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點與功效。本發(fā)明還可以通過另外不同的【具體實施方式】加以實施或應(yīng)用，本說明書中的各項細節(jié)也可以基于不同觀點與應(yīng)用，在沒有背離本發(fā)明的精神下進行各種修飾或改變。需說明的是，在不沖突的情況下，以下實施例及實施例中的特征可以相互組合。
[0037]需要說明的是，以下實施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實際實施時的組件數(shù)目、形狀及尺寸繪制，其實際實施時各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。
[0038]本發(fā)明經(jīng)過實驗數(shù)據(jù)表明，人體的運動劇烈程度可以用加速度的幅度值進行數(shù)值量化，當人體發(fā)生跌倒行為時，加速度表現(xiàn)為劇增。因此針對人體跌倒時產(chǎn)生的碰撞，可以利用加速度閾值的方法來區(qū)分。然而個人習(xí)慣有所不同，導(dǎo)致提取的加速度閾值并不能普適于所有用戶。通過提取分組群體加速度閾值及用戶個人加速度閾值，并利用數(shù)學(xué)方法對提取的閾值進行微調(diào)處理，能夠很好的解決由于個人習(xí)慣造成的閾值偏差。人體跌倒后，如果沒有進入昏迷狀體，均會采取各種人體恢復(fù)等自救措施，最終達到恢復(fù)穩(wěn)定的狀態(tài)。因此本發(fā)明通過對人體行為的實時跟蹤及對人體姿態(tài)檢測，實現(xiàn)最終的跌倒判斷。
[0039]實施例一
[0040]本實施例提供一種個人化多閾值跌倒檢測方法，請參閱圖1，顯示為個人化多閾值跌倒檢測方法流程圖，所述個人化多閾值跌倒檢測方法包括:
[0041]SI，令實驗用戶個人完成指定動作，在完成指定動作的過程中采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)集。在執(zhí)行步驟Si之前，需要對進行實驗的人體根據(jù)個人的屬性信息，例如，年齡段或性別，劃分成不同分組群體。實驗用戶個人的指定動作主要是日常生活動作，包括站立，走，坐，撿東西，躺下，走-坐，走-躺，蹲-站，爬樓梯
[0042]S2，提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值，獲取個人化加速度跌倒檢測閾值。預(yù)先存儲的不同分組群體的指定動作的加速度數(shù)據(jù)集中的指定動作包括SI中所述的日常生活動作及跌倒動作。請參閱圖2，顯示為步驟S2的具體流程圖，步驟S2包括:
[0043]S21，預(yù)處理預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)，并計算獲取指定動作中每個日常生活動作所對應(yīng)的加速度數(shù)據(jù)峰值用于后續(xù)第二加速度數(shù)據(jù)閾值的提取。預(yù)處理指定動作加速度數(shù)據(jù)包括數(shù)據(jù)濾波、空缺值填補、及數(shù)據(jù)錯誤值修正。
[0044]S22，利用數(shù)學(xué)分析方法，提取預(yù)處理后的預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值。所述數(shù)學(xué)分析方法包括置信區(qū)間數(shù)序分析方法或支持向量機數(shù)學(xué)分析方法。此外，能夠提取閾值的數(shù)學(xué)分析方法還存在很多種，在本發(fā)明提取第一加速度數(shù)據(jù)閾值集的數(shù)學(xué)分析方法并非僅限于上述的數(shù)學(xué)分析方法。
[0045]S23，預(yù)處理所采集到的實驗用戶個人的指定動作加速度數(shù)據(jù)，并計算獲取指定動作中每個動作對應(yīng)的加速度數(shù)據(jù)峰值。預(yù)處理實驗用戶個人的指定動作加速度數(shù)據(jù)包括數(shù)據(jù)濾波、空缺值填補、及數(shù)據(jù)錯誤值修正。
[0046]S24，利用數(shù)學(xué)分析方法根據(jù)采集到的實驗用戶個人的指定動作加速度數(shù)據(jù)和實驗用戶個人的屬性信息(年齡段或性別)映射到所屬分組群體中所得到的第一加速度數(shù)據(jù)閾值，進一步提取預(yù)處理后的實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值。所述數(shù)學(xué)分析方法包括正比例函數(shù)的數(shù)學(xué)分析方法，其中實驗用戶個人的第二加速度數(shù)據(jù)閾值與其所在分組的第一加速度閾值成比例，比例系數(shù)為實驗用戶個人采集指定動作中每個動作對應(yīng)的加速度數(shù)據(jù)峰值平均與其所在分組群體中指定動作中每個動作所對應(yīng)的加速度數(shù)據(jù)峰值平均的商。所述數(shù)學(xué)分析方法包括置信區(qū)間數(shù)序分析方法或支持向量機數(shù)學(xué)分析方法。
[0047]S25，通過對所述第一加速度數(shù)據(jù)閾值和第二加速度數(shù)據(jù)閾值的進行微處理獲取個人化加速度跌倒檢測閾值。在本實施例中，所述微處理是指加權(quán)算法。
[0048]S3，在完成采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)集和提取加速度數(shù)據(jù)閾值后，實時采集實驗用戶個人的加速度數(shù)據(jù)，并根據(jù)實時加速度數(shù)據(jù)計算角速度變化參數(shù)和人體與地面所呈實時夾角。所述加速度變化參數(shù)包括加速度變化速率、角度變化等變化參數(shù)，在本實施例中，所述加速度變化參數(shù)選擇加速度變化速率。
[0049]S4，根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。當實驗用戶個人預(yù)跌倒行為發(fā)生時，則執(zhí)行下一步驟S5 ;若實驗用戶個人預(yù)跌倒行為未發(fā)生時，則重新執(zhí)行該步驟。
[0050]S5，實時跟蹤檢測實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)均小于等于預(yù)定加速度變化閾值，則表示實驗用戶個人已處于穩(wěn)定狀態(tài)，繼續(xù)執(zhí)行步驟S6 ;若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)存在大于預(yù)定加速度變化閾值情況，則表示實驗用戶個人仍處于未穩(wěn)定狀態(tài)，需重新在下一個預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)。在本實施例中，所述加速度變化參數(shù)采用加速度變化速率，所述預(yù)定加速度變化速率閾值為0.35g，所述預(yù)設(shè)時間段可以米用6s。
[0051]S6，根據(jù)實驗用戶人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒，執(zhí)行步驟S7輸出跌倒報警指令；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立，返回步驟S4根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生。本實施例中，所述預(yù)定夾角閾值選取45度。
[0052]S7，發(fā)現(xiàn)實驗用戶人員發(fā)生跌倒并報警，結(jié)束進程。
[0053]本實施例提供的個人化多閾值跌倒檢測方法通過采集不同分組群體的指定動作加速度數(shù)據(jù)和實驗用戶個人的指定動作加速度數(shù)據(jù)和實時加速度數(shù)據(jù)，結(jié)合微調(diào)處理的方法確定個人化加速度跌倒檢測閾值，解決了由于用戶個體差異引起的閾值偏差，進一步減少了誤報、漏報現(xiàn)象。于此同時，本實施例還結(jié)合人體行為的實時跟蹤及人體姿態(tài)的綜合判斷，進一步提高了跌倒檢測的精確度，滿足了人體跌倒檢測的高精度要求。
[0054]實施例二
[0055]本實施例提供一種個人化多閾值跌倒檢測系統(tǒng)，請參閱圖3，顯示為個人化多閾值跌倒檢測系統(tǒng)原理結(jié)構(gòu)圖，所述跌倒檢測系統(tǒng)I包括:采集模塊11、提取模塊12、計算模塊
13、檢測模塊14、及報警模塊15。在本實施例中，所述跌倒檢測系統(tǒng)可以采用一種跌倒檢測器，所述跌倒檢測器佩戴在用戶個人的腰部。
[0056]所述采集模塊11用于令實驗用戶個人完成指定動作，在完成指定動作的過程中采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)集。在本實施例中，所述采集模塊11可以為三軸加速度傳感器，所述三軸加速度傳感器以固定的采樣頻率實時連續(xù)采樣并存儲用戶個人的加速度數(shù)據(jù)。在執(zhí)行步驟Si之前，需要對進行實驗的人體根據(jù)個人的屬性信息，例如，年齡段或性別，劃分成不同分組群體。實驗用戶個人的指定動作主要是日常生活動作，包括站立，走，坐，撿東西，躺下，走-坐，走-躺，蹲-站，爬樓梯。
[0057]所述提取模塊12與所述采集模塊11連接，用于提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值，獲取個人化加速度跌倒檢測閾值。所述提取模塊12還用于預(yù)處理預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)，并計算獲取指定動作中每個日常生活動作所對應(yīng)的加速度數(shù)據(jù)峰值用于后續(xù)第二加速度數(shù)據(jù)閾值的提??；預(yù)先存儲的不同分組群體的指定動作的加速度數(shù)據(jù)集中指定動作包括上述實驗用戶個人指定動作中的日常生活動作，及跌倒動作；預(yù)處理指定動作加速度數(shù)據(jù)包括數(shù)據(jù)濾波、空缺值填補、及數(shù)據(jù)錯誤值修正；利用數(shù)學(xué)分析方法，提取預(yù)處理后的預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值。所述數(shù)學(xué)分析方法包括置信區(qū)間數(shù)序分析方法或支持向量機數(shù)學(xué)分析方法。此外，能夠提取閾值的數(shù)學(xué)分析方法還存在很多種，在本發(fā)明提取第一加速度數(shù)據(jù)閾值集的數(shù)學(xué)分析方法并非僅限于上述的數(shù)學(xué)分析方法。所述提取模塊12還用于預(yù)處理所采集到的實驗用戶個人的指定動作加速度數(shù)據(jù)，并計算獲取指定動作中每個日常生活動作所對應(yīng)的加速度數(shù)據(jù)峰值用于后續(xù)第二加速度數(shù)據(jù)閾值的提取，預(yù)處理實驗用戶個人的指定動作加速度數(shù)據(jù)包括數(shù)據(jù)濾波、空缺值填補、及數(shù)據(jù)錯誤值修正；利用數(shù)學(xué)分析方法結(jié)合提取的第一加速度閾值集中根據(jù)實驗用戶個人的屬性信息(年齡段或性別)映射所得到的第一加速度數(shù)據(jù)閾值，提取預(yù)處理后的實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值。所述數(shù)學(xué)分析方法包括正比例函數(shù)的數(shù)學(xué)分析方法，其中實驗用戶個人的第二加速度數(shù)據(jù)閾值與其所在分組的第一加速度閾值成比例，t匕例系數(shù)為實驗用戶個人采集動作中每個動作對應(yīng)的加速度數(shù)據(jù)峰值平均與其所在分組中指定動作中每個日常生活動作所對應(yīng)的加速度數(shù)據(jù)峰值平均的商。通過對所述第一加速度數(shù)據(jù)閾值和第二加速度數(shù)據(jù)閾值的進行微處理獲取個人化加速度跌倒檢測閾值。在本實施例中，所述微處理是指加權(quán)算法。
[0058]所述計算模塊13與所述采集模塊11和提取模塊12連接，用于在完成采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)集和提取加速度數(shù)據(jù)閾值后，實時采集實驗用戶個人的加速度數(shù)據(jù)，并根據(jù)實時加速度數(shù)據(jù)計算角速度變化參數(shù)和人體與地面所呈實時夾角。在本實施例中，所述加速度變化參數(shù)選擇加速度變化速率。
[0059]所述檢測模塊14與所述提取模塊12和計算模塊13連接，用于判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生；若是，則實時跟蹤檢測實驗用戶個人的人體行為，并在預(yù)設(shè)時間內(nèi)判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)；若否，繼續(xù)檢測人體是否處于穩(wěn)定狀態(tài)，若是，判斷人體姿態(tài)是否處于躺狀態(tài)；根據(jù)人體與地面所呈實時夾角判斷人體姿態(tài)是否處于躺狀態(tài)；若是，表示實驗用戶個人跌倒，輸出跌倒報警，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生。
[0060]其中，所述檢測模塊14包括第一檢測單元141，第二檢測單元142，及第四檢測單元143。其中，所述第一檢測單元141用于根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。當實驗用戶個人預(yù)跌倒行為發(fā)生時，則調(diào)用第二檢測單元142 ;若實驗用戶個人預(yù)跌倒行為未發(fā)生時，則重新驅(qū)動所述第一檢測單元141。
[0061]所述第二檢測單元142用于實時跟蹤檢測實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)均小于等于預(yù)定加速度變化閾值，則表示實驗用戶個人已處于穩(wěn)定狀態(tài)，調(diào)用第三檢測單元143 ;若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)存在大于預(yù)定加速度變化閾值情況，則表示實驗用戶個人仍處于不穩(wěn)定狀態(tài)，需重新在下一個預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)。在本實施例中，所述加速度變化參數(shù)采用加速度變化速率，所述預(yù)定加速度變化閾值為
0.35g，所述預(yù)設(shè)時間段可以采用6s。
[0062]所述第三檢測單元143用于根據(jù)實驗用戶人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒，輸出報警指令；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立姿態(tài)，返回去調(diào)用第一檢測單元141重新根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生。本實施例中，所述預(yù)定夾角閾值選取45度。
[0063]所述報警模塊15與所述檢測模塊14連接，用于發(fā)現(xiàn)實驗用戶人員發(fā)生跌倒并報
m
目O
[0064]綜上所述，本發(fā)明所述個人化多閾值跌倒檢測方法及系統(tǒng)通過采集不同分組群體和實驗用戶個人的實時加速度數(shù)據(jù)，結(jié)合微調(diào)處理的方法確定個人化加速度跌倒檢測閾值，解決了由于用戶個體差異引起的閾值偏差，進一步減少了誤報、漏報現(xiàn)象。于此同時，本實施例還結(jié)合人體行為的實時跟蹤及人體姿態(tài)的綜合判斷，進一步提聞了跌倒檢測的精確度，滿足了人體跌倒檢測的高精度要求。本發(fā)明所述個人化多閾值跌倒檢測方法及系統(tǒng)可以使用戶攜帶基于單個三軸加速度傳感器的設(shè)備，不需要任何其他外部設(shè)備，即可實現(xiàn)低成本、便攜、實時的跌倒檢測。
[0065]所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點而具高度產(chǎn)業(yè)利用價值。
[0066]上述實施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對上述實施例進行修飾或改變。因此，舉凡所屬【技術(shù)領(lǐng)域】中具有通常知識者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。
【權(quán)利要求】
1.一種個人化多閾值跌倒檢測方法，其特征在于，包括: 步驟一，令實驗用戶個人完成指定動作，在完成指定動作的過程中采集所述實驗用戶個人的指定動作加速度數(shù)據(jù)；提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值，并獲取個人化加速度跌倒檢測閾值； 步驟二，實時采集實驗用戶個人的實時加速度數(shù)據(jù)，并根據(jù)實時加速度數(shù)據(jù)計算加速度變化參數(shù)和人體與地面所呈實時夾角； 步驟三，判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若是，則執(zhí)行下一步；若否，則重新執(zhí)行該步驟； 步驟四，實時跟蹤實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)檢測實驗用戶個人是否處于穩(wěn)定狀態(tài)，若是，則執(zhí)行下一步；若否，則重新執(zhí)行該步驟； 步驟五，根據(jù)人體與地面所呈實時夾角判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)；若是，則表示實驗用戶個人發(fā)生跌倒，輸出跌倒報警，若否，則返回步驟三。
2.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述跌倒檢測方法還包括預(yù)處理預(yù)存儲不同分組群體的指定動作加速度數(shù)據(jù)集及實驗用戶個人的加速度數(shù)據(jù)；其中，所述預(yù)處理包括數(shù)據(jù)濾波、空缺值填補、及錯誤值修正；群體根據(jù)年齡段或性別分組。
3.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述步驟一中所提取到的第一加速度數(shù)據(jù)閾值集是利用數(shù)學(xué)分析方法從預(yù)存儲不同分組群體的指定動作加速度數(shù)據(jù)集中提取到的。
4.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述第二加速度數(shù)據(jù)閾值是利用數(shù)學(xué)分析方法根據(jù)采集到的實驗用戶個人的指定動作加速度數(shù)據(jù)及根據(jù)實驗用戶個人的屬性信息映射分組群體中所得到的第一加速度數(shù)據(jù)閾值進一步提取到的。
5.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:獲取個人化加速度跌倒檢測閾值的步驟包括通過對所屬群體的第一加速度數(shù)據(jù)閾值和第二加速度數(shù)據(jù)閾值的進行微處理獲取個人化加速度跌倒檢測閾值。
6.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述步驟三還包括根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。
7.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述步驟四還包括在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若加速度變化參數(shù)大于預(yù)定加速度變化閾值，則表示檢測到實驗用戶個人不處于穩(wěn)定狀態(tài)；若加速度變化參數(shù)小于等于預(yù)定加速度變化閾值，則表示檢測到實驗用戶個人趨于穩(wěn)定狀態(tài)。
8.根據(jù)權(quán)利要求1所述的個人化多閾值跌倒檢測方法，其特征在于:所述步驟五還包括根據(jù)實驗用戶人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若 實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立，返回所述步驟三。
9.一種個人化多閾值跌倒檢測系統(tǒng)，其特征在于，包括: 采集模塊，用于實驗用戶個人在完成指定動作的過程中采集所述實驗用戶個人加速度數(shù)據(jù)；及在實驗用戶個人完成指定動作后實時采集實驗用戶個人實時加速度數(shù)據(jù)； 提取模塊，與所述采集模塊連接，用于提取預(yù)先存儲不同分組群體的指定動作加速度數(shù)據(jù)集所對應(yīng)的第一加速度數(shù)據(jù)閾值集和實驗用戶個人的指定動作加速度數(shù)據(jù)所對應(yīng)的第二加速度數(shù)據(jù)閾值； 計算模塊，與所述采集模塊和提取模塊連接，用于根據(jù)第一加速度數(shù)據(jù)閾值集和第二加速度數(shù)據(jù)閾值計算獲取個人加速度跌倒檢測閾值，并根據(jù)實時加速度數(shù)據(jù)計算加速度變化參數(shù)和人體與地面所呈實時夾角； 檢測模塊，與所述提取模塊連接，用于判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生；若是，則實時跟蹤檢測實驗用戶個人的人體行為，并在預(yù)設(shè)時間內(nèi)判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)；若否，繼續(xù)跟蹤檢測人體是否處于穩(wěn)定狀態(tài)，若是，判斷人體姿態(tài)是否處于躺狀態(tài)；根據(jù)人體與地面所呈實時夾角判斷人體姿態(tài)是否處于躺狀態(tài)；若是，表示實驗用戶個人跌倒，輸出跌倒報警，若否，則重新判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生。
10.根據(jù)權(quán)利要求9所述的個人化多閾值跌倒檢測系統(tǒng)，其特征在于:所述檢測模塊還用于根據(jù)實驗用戶個人的實時加速度數(shù)據(jù)和個人化加速度跌倒檢測閾值判斷實驗用戶個人的預(yù)跌倒行為是否發(fā)生，若實驗用戶個人的實時加速度數(shù)據(jù)大于等于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為發(fā)生；若實驗用戶個人的實時加速度數(shù)據(jù)小于個人化加速度跌倒檢測閾值，則表示預(yù)跌倒行為未發(fā)生。
11.根據(jù)權(quán)利要求9所述的個人化多閾值跌倒檢測系統(tǒng)，其特征在于:所述檢測模塊還用于根據(jù)加速度變化參數(shù)與預(yù)定加速度變化閾值實時跟蹤實驗用戶個人的人體行為，并在預(yù)設(shè)時間段內(nèi)根據(jù)加速度變化參數(shù)與預(yù)定角速度變化閾值判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)，若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)均小于等于預(yù)定加速度變化閾值，則表示實驗用戶個人處于穩(wěn)定狀態(tài)；若在預(yù)設(shè)時間段內(nèi)加速度變化參數(shù)存在大于預(yù)定加速度變化閾值情況，則表示實驗用戶個人的個人仍處于不穩(wěn)定狀態(tài)，需繼續(xù)監(jiān)測并判斷實驗用戶個人是否處于穩(wěn)定狀態(tài)。
12.根據(jù)權(quán)利要求9所述的個人化多閾值跌倒檢測系統(tǒng)，其特征在于:所述檢測模塊還用于根據(jù)人員與地面所呈實時夾角與預(yù)定夾角閾值判斷實驗用戶個人的人體姿態(tài)是否處于躺狀態(tài)，若實驗用戶人員與地面所呈實時夾角小于預(yù)定夾角閾值，則表示人體姿態(tài)為處于躺狀態(tài)，認為實驗用戶人員發(fā)生跌倒；若實驗用戶人員與地面所呈實時夾角大于預(yù)定夾角閾值，則表示實驗用戶人員已經(jīng)恢復(fù)成站立，重新判斷預(yù)跌倒行為是否發(fā)生。
【文檔編號】G08B21/04GK103927851SQ201410135670
【公開日】2014年7月16日 申請日期:2014年4月4日 優(yōu)先權(quán)日:2014年4月4日
【發(fā)明者】任領(lǐng)美, 施巍松, 余志峰 申請人:余志峰