[发明专利]一种基于动态时间规整的人体跌倒识别方法

说明书

技术领域

本发明涉及人体行为识别，状态分析与危险报警等领域，具体为一种基于动态时间规整(Dynamic Time Warping)的人体跌倒识别方法。

背景技术

根据国家统计局发布的公告，2014年中国60岁及以上的老年人人口占总人口比例的15.5％，且据世界卫生组织预测，到2050年，上述数字会达到35％，中国将成为世界上老龄化最严重的国家。而2012年全国疾病监测系统死因监测结果显示：65岁及以上老年人跌倒死亡率为45.72/10万。跌倒已成为65岁及以上老人伤害死亡的“头号杀手”。通过科学的手段有效检测跌倒事件的发生，通知监护人及时送其就医，得到及时的治疗。

目前，对于人体跌倒检测，从方法上来说基本采用阈值判决法，通过在不同阶段设定相应的阈值来综合判断是否发生跌倒。这种方法虽然逻辑简单，但有针对不同身高体重的人群需要通过不断的调整阈值才能达到较高的识别率，这大大增加了阈值判决法的复杂性。另一方面，从硬件角度而言，一般分为基于感官和穿戴式传感器两种。前者一般都需要实现铺设额外的设施来，成本高昂，最重要的是使用区域受限，无法实现全天候全方位的监测。穿戴式传感器价格低廉，且对用户日常生活入侵性低，并且能够实时监控。

发明内容

本发明的目的是针对上述问题，提出一种基于动态时间规整的人体跌倒识别的方法,针对老年人进行实时监测，以满足老年人在跌倒之后能及时通知到家属或监护人，获得治疗，减小跌倒带来的危害。

实现本发明目的的具体技术方案：

一种基于动态时间规整的人体跌倒识别方法，用于智能手机终端中监测用户在某个时刻发生跌倒，从而短信通知监护人或直接拨号，该方法包括以下步骤：

步骤1：采集真实跌倒事件的三轴加速度数据，共N个样本点，并将其转换成相应的加速度信号幅值(M_sv)，经过中值滤波算法滤除噪声后，最终的数据将作为动态时间规整(DTW)算法中的样本序列S(a₁,a₂……a_N)用于后续的相似度匹配，其中滤波器选取窗口大小为M个样本为一组；

步骤2：通过智能手机自带的三轴加速计对人体加速度进行采样；

步骤3：将步骤2中采样获得的加速度信号转换成加速度信号幅值(M_sv)；

步骤4：对步骤3中的加速度信号幅值(M_sv)进行端点检测，预测跌倒事件是否可能发生；设定当加速度信号幅值小于阈值G，认为可能会发生跌倒，需要采集后续的加速度数据进行确认；

步骤5：某点加速度若满足端点检测的条件，抽取该点之后N个采样点的加速度数据；

步骤6：对上述N个采样点，依次获取其加速度信号幅值(M_sv)，使用中值滤波法滤除噪声后作为动态时间规整(DTW)算法中的查询序列Q(a₁,a₂……a_N)进行相似度匹配，滤波器大小为M个样本点为一组；

步骤7：通过动态时间规整(DTW)算法来计算出样本序列S(a₁,a₂……a_N)和查询序列Q(a₁,a₂……a_N)之间的最优路径所对应的累积距离，此距离定义为两个序列的相似度；距离值越小，相似度越高，最后与设定的相似度阈值相比较，判断是跌倒还是日常活动；其中，计算累积距离的具体步骤为：

计算样本序列S和查询序列Q之间每个加速度信号幅值的相互距离，距离计算公式为d_i,j＝(Q_i-S_j)²,式中，d_i,j表示当前查询序列Q的第i个信号幅值与样本序列S第j个信号幅值的距离值；Q_i表示当前查询序列中第i个加速度信号幅值；S_j表示当前样本序列中第j个加速度信号幅值；

构造一个N*N的矩阵，将计算得到的距离值d_i,j按其下标依次填入N*N矩阵的相应位置；

在路径约束条件的基础上，在N*N的矩阵中寻找出一条最优路径，并将该路径所经过位置的距离累加求和，得出的结果即为最优路径所对应的累积距离；

上述提到的路径约束条件是：

边界条件：所选路径须从矩阵的左下角出发，在右上角结束；

连续性：所选路径只能沿相邻或对角这三个方向前进；