[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

说明书

本发明涉及一种基于层次分类的可穿戴跌倒检测方法和系统，该跌倒检测方法包括：采集用户的日常行为数据；对该日常行为数据进行合成、滤波等处理生成原始数据；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；利用第一层一类分类模型对该样本集中的每一个样本进行识别，将识别后的结果发送至第二层的加权二类分类模型；第二层的加权二类分类模型负责对加权分配处理，生成加权跌倒样本，并将其送至第三层的规则二类分类模型；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。本发明通过以上方法实现了对用户跌倒行为的准确判断。

技术领域

本发明涉及普适计算和健康监护领域，具体涉及一种基于层次分类的可穿戴跌倒检测方法及系统。

背景技术

2016年1月22日人社部新闻发言人李忠指出，截止2014年，中国60岁以上老年人口达到2.1亿，占总人口的比例15.5％，而联合国标准，60岁以上老年人口达10％即视为老龄化社会。随着年龄的日益增大，老年人的生理机体功能逐渐衰退，对意外事件的反应日益缓慢，更易发生跌倒。跌倒已成为高龄老年人群的首位伤害死因，其发生率高，损伤严重，对个人、家庭还是社会均带来极大的负担，已逐步成为关乎老年人健康的社会公共问题。因此，如何对跌倒行为进行实时精准地检测，成为一个十分重要的社会问题。

纷繁众多的可穿戴设备日益涌入人们的日常生活，广泛应用于健康监护、运动保健等领域。可穿戴设备利用内嵌的微型传感器采集数据，可以有效挖掘用户的日常行为。同时，可穿戴设备具有价格低廉、配置简单、易携带等优点，对于应对社会老龄化挑战具有重要的现实意义。因此，本发明采用可穿戴设备作为研究跌倒检测的工具。

跌倒作为一种典型的异常行为，具有其自身的特点。如图1所示，通常情况下跌倒包含三个状态：失重、撞击、静止。跌倒刚开始时，人的双脚会逐渐离开地面并在重力的作用下自由向下坠落，人此时处于某种程度的失重状态。在撞击动作发生时，身体向下的速度达到了最大值，此时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最高值。在撞击发生后的某个时间段内，无论跌倒的严重程度如何，人会处于一种相对静止的状态。此外，跌倒还经常伴随着人体朝向的变化，以及各个状态之间的时间约束等特点。例如：人体朝向的变化是指，撞击动作发生之后人体的朝向与撞击之前会有所不同。

基于可穿戴设备的跌倒检测方法可分为阈值法、机器学习法和阈值法与机器学习法的组合方法。阈值法通过比较某一个或几个特征与相应阈值的大小关系来识别当前是否处于跌倒的某个状态，进而判断当前行为是否为跌倒。例如专利CN201610058318.4通过三轴传感器实时监测人体活动状态信息，并计算矢量和，将其与预先设定的阈值进行比较，从而判断是否发生了跌倒；专利CN201610062316.2采用基于特征量阈值的方法，计算合加速度特征量A、合成角速度特征量W和相似度特征量S，与信号向量模积分后得到的阈值对比进行判断。机器学习法将跌倒检测看作一个典型的分类问题，基于训练数据学习分类模型并用于跌倒检测。例如专利CN201610152570.1基于卡尔曼滤波与K近邻(KNearestNeighbor,KNN)算法对人体活动状态进行分类建模，识别出人体的运动类型，判断模块做出是否为“跌倒”的决策；专利CN201610083726.5采用支持向量机(SupportVectorMachine,SVM)算法构建分类器；获取跌倒样本和日常活动行为样本构成训练集，对分类器进行训练。基于组合方法的跌倒检测往往结合阈值法和机器学习法，对跌倒行为进行判断，例如专利CN201010285585.8在阈值判断之后，利用一类支持向量机进行二次判断，从而判断是否为跌倒。