[发明专利]一种跌倒报警系统、方法、装置、介质和设备

说明书

本发明涉及便携式医疗设备技术领域，特别涉及一种跌倒报警系统、方法、装置、介质和设备。鉴于目前的跌倒报警系统中，便携式设备体积大，硬件成本高的问题，考虑到智能移动终端的普及性，且智能移动终端基本都会被随身携带，本发明实施例提供的方案中，利用便携式设备和智能移动终端构成跌倒报警系统，将跌倒报警系统中的定位和远程通信功能通过智能移动终端原有的功能来实现，使得便携式设备无需实现定位和远程通信功能，可以有效减小其体积，提高其便携性，同时还可以降低便携式设备的硬件成本。

技术领域

本发明涉及便携式医疗设备技术领域，特别涉及一种跌倒报警系统、方法、装置、介质和设备。

背景技术

跌倒事件的发生会降低人体的活动能力，并可导致严重的生理、心理以及社会功能障碍，是老年人和病人伤残、死亡和经济负担加重的重要原因之一。

现有技术中，跌倒报警系统一般通过便携式设备来实现，该便携式设备基于51单片机或arm处理器，还会集成加速度传感器、全球定位系统(GPS)模块和全球移动通信系统(GSM)模块。其中，加速度传感器，例如，ADXL345，可以实现人体加速度的采集，使得51单片机或arm处理器可以根据加速度传感器采集的数据实现跌倒事件检测。GPS模块可以在51单片机或arm处理器检测出发生了跌倒事件时，确定当前位置，并可以通过GSM模块将GPS模块确定出的位置携带在跌倒报警消息发送至监护人手机，以便监护人及时到达被监护人跌倒的位置进行救助。

如图1所示，跌倒事件可根据人体姿态划分为4个阶段，依次为站立阶段、失重阶段、碰撞阶段和静止阶段。如果发生了跌倒事件，随着时间(T)的变化，在不同阶段地面支持力(F)和人体加速度(G)的变化情况可以如图1所示。

针对基于51单片机的便携式设备，由于51单片机主频较低，并不适合运算较为复杂的算法，考虑成本与开发难易程度问题，一般采用经典阈值算法进行跌倒事件检测。基于跌倒事件在不同阶段下的数据分析，采用的特征值为合成加速度幅值(AM)和角度值(Tilt)，二者均可以通过加速度传感器的x，y，z三轴输出的加速度值得到。

例如，可以通过以下方式确定AM：

可以通过以下方式确定角度值(Tilt)：

Tilt＝arctan2(a_x，a_z)×180/3.14

其中，a_x，a_y，a_z分别为加速度传感器x，y，z轴输出的加速度值。

在利用经典阈值算法进行跌倒事件检测时，先对AM在各个阶段是否满足对应的条件进行判断，若AM在各个阶段均满足对应的条件，再对角度值是否满足设定条件进行判断，若角度值满足设定条件，则认为发生了跌倒事件。

例如，一种跌倒事件检测算法流程可以如图2所示，对加速度传感器(ADXL345)采集的数据进行低通采样，若确定AM大于0.4g(g表示重力加速度值，取值为9.8米每秒的二次方)，且小于0.965g，且AM取值位于该区间的持续时间不小于0.8秒(s)，则可以继续判断AM是否大于2.1g，且AM取值位于该区间的持续时间是否不小于1秒(s)，若这两个条件均满足，则继续判断当前Tilt是否大于80度且小于100度，若是，则可以认为发生了跌倒事件。当然，在确定AM或Tilt不满足设定条件时，均可以返回采样，重新进行跌倒事件检测。

针对基于arm处理器的便携式设备，考虑到arm处理器使用功能强大，且只读存储器(ROM)和随机存取存储器(RAM)远大于51单片机，一般采用基于机器学习的支持向量机算法。基于机器学习的支持向量机算法采用分类方法进行跌倒事件检测，以达到更高的检测准确性。支持向量机算法的特征值采用加速度传感器的x，y，z三轴输出的加速度值。具体步骤可以如下：

(1)、首先准备训练集和测试集，格式如下：