[发明专利]一种基于层次分类的可穿戴跌倒检测方法及系统

权利要求书

1.一种基于层次分类的可穿戴跌倒检测方法，其特征在于，该跌倒检测方法包括：

步骤1，利用穿戴式运动传感器采集用户的日常行为数据；

步骤2，对采集的该日常行为数据进行合成、滤波处理操作，生成原始数据；

步骤3，利用滑动窗口机制提取该原始数据的时频域特征，生成样本，并将该样本组合成样本集；

步骤4，利用第一层的一类分类模型对该样本集中的每一个样本进行识别，将识别结果为“跌倒”的跌倒样本组合为跌倒样本集，并将该跌倒样本集发送至第二层的加权二类分类模型；

步骤5，第二层的加权二类分类模型负责对该跌倒样本集中所有该跌倒样本进行加权分配处理，生成加权跌倒样本，并将该加权跌倒样本发送至第三层的规则二类分类模型；

步骤6，第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则，判断用户是否发生跌倒行为，若判断为跌倒行为则转步骤7，反之则转步骤1；

步骤7，触发相应的报警机制，如需继续检测，则转步骤1，否则结束。

2.如权利要求1所述的基于层次分类的可穿戴跌倒检测方法，其特征在于，

通过对预先给定样本集进行学习，建立该一类分类模型；并用该一类分类模型对该预先给定样本集中的每一个样本进行识别，生成预先给定跌倒样本集；

通过对该预先给定跌倒样本集进行学习，建立该加权二类分类模型；

通过对预先给定跌倒规则进行学习，建立该规则二类分类模型。

3.如权利要求2所述的基于层次分类的可穿戴跌倒检测方法，其特征在于，该一类分类模型为支持向量数据描述模型，该支持向量数据描述模型根据该预先给定样本集，生成一个超球面，并判断该样本是否位于该超球面以内，若该样本位于该超球面以内，则将该样本识别为跌倒样本。

4.如权利要求2所述的基于层次分类的可穿戴跌倒检测方法，其特征在于，该加权二类分类模型为加权超限学习机模型，以对该跌倒样本集中的跌倒样本与非跌倒样本分配不同的权值。

5.如权利要求1所述的基于层次分类的可穿戴跌倒检测方法，其特征在于，该跌倒规则具体为，

a)失重，在失重过程中，合成加速度的值由重力加速度逐渐下降并趋向于零；

b)撞击，在撞击动作发生前，身体向下的速度已经达到了最大值，此时当与地面或其他物体突然发生撞击，使得合成加速度瞬间达到了一个超过两倍重力加速度的峰值的最高值，此时速度骤减为零；

c)静止，加速度计的X,Y,Z轴读数以及合成加速度读数均处于平稳状态。

6.一种基于层次分类的可穿戴跌倒检测系统，其特征在于，该跌倒检测系统包括：

数据采集模块，用穿戴式运动传感器采集用户的日常行为数据；

数据处理模块，用于对采集的该日常行为数据进行合成、滤波处理操作，生成原始数据；

样本生成模块，利用滑动窗口机制提取该原始数据的时频域特征，生成样本，并将该样本组合成样本集；

第一层识别模块，该第一层识别模块包括一类分类模型，用于对该样本集中的每一个样本进行识别，将识别结果为“跌倒”的跌倒样本组合为跌倒样本集，并将该跌倒样本集发送至第二层加权模块；

第二层加权模块，该第二层加权模块包括加权二类分类模型，用于对该跌倒样本集中所有该跌倒样本进行加权分配处理，生成加权跌倒样本，并将该加权跌倒样本发送至第三层判断模块；

第三层判断模块，该第三层判断模块包括规则二类分类模型，用于根据该加权跌倒样本是否符合跌倒规则，判断用户是否发生跌倒行为，若判断为跌倒行为则转报警触发模块，反之则调用该数据采集模块，继续采集用户的日常行为数据；

报警触发模块，用于触发相应的报警机制，如需继续检测，则回到数据采集模块，继续采集用户的日常行为数据，否则结束。