[发明专利]一种基于多传感器特征融合的跌倒检测方法

说明书

本发明涉及一种基于多传感器特征融合的跌倒检测方法，包括以下步骤：S1：进行原始数据采集，原始数据包括加速度数据以及视频图像数据；S2：基于步骤S1采集到的原始数据进行特征数据提取并构造特征矢量；S3：通过机器学习算法训练步骤S2提取到的特征数据，获取svm算法分类模型m；S4：实时进行跌倒检测判断。本发明具有能应对复杂情况、分类准确、检测准确率高等优点。

技术领域

本发明涉及跌倒检测的技术领域，尤其涉及到一种基于多传感器特征融合的跌倒检测方法。

背景技术

老年人是社会的弱势群体。随着年龄的增加，老人的身体各项机能都会慢慢下降，行动变得缓慢，记忆力减退及应变能力变差等现象，因此与年轻人相比更容易发生意外和受到伤害。老年人比较脆弱，一旦受到伤害，后果往往都是很严重的。例如，跌倒后轻则会导致老年人昏迷不醒，重则可能造成老年人的残疾或死亡。因此，当老年人在日常生活中遭遇类似跌倒的意外伤害时，急需家人或是医院的及时的救助。如何应对即将面临的人口老龄化问题，改善老年人晚年的生活质量，将会是国家的重要课题。

但是，当今社会，伴随着生活节奏的加快，身处繁忙工作的子女常常难以兼顾对老人的照顾，这导致了现今空巢老人的出现。到目前为止，我国独居老人数量巨大，这些空巢老人基本上享受的不到生活关怀。对于社会而言，解决所有老年人的监护问题是不切实际的。因此，对老年人日常生活行为实现智能化的实时监测是非常有必要的，特别是针对如跌倒等容易造成老年人意外伤害的异常行为。通过实时监测，一旦老年人发生异常行为，可以及时的发出报警并将信息发送给家人和其他看护人员，进而避免重大伤害的发生。

近似解决方案：2010年，飞利浦公司推出了Lifeline紧急医疗救援系统，能及时准确地检测到老人因意外或突发疾病而发生的跌倒并请求救援。2010年，日本WIN HumanRecorder公司研制了一种固定在胸部的穿戴式健康检测系统，可以通过心电图、体温和体动等信息监控老人的日常活动。2012年，深圳爱福莱科技有限公司推出了“跌倒自动求救手机”爱福莱A03，能够在老人发生跌倒时自动检测定位和报警，保障老人独居和外出期间的健康安全。

缺点：虽然已有不少跌倒检测方案，但目前跌倒检测方案的研究仍存在诸多问题。传统的监控检测方法主要是视频监控，也包括加速度传感器监控，声波传感器监控等方法。但传统的监控检测方法以记录为主，同时也仅仅使用某一种传感器进行监控。随着收集目标对象的特征数据信息的需求越来越多，单一的传感器由于其收集特征信息的局限性，已经不能当前的需求。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能应对复杂情况、分类准确、检测准确率高的基于多传感器特征融合的跌倒检测方法

为实现上述目的，本发明所提供的技术方案包括以下步骤：

S1：进行原始数据采集，原始数据包括加速度数据以及视频图像数据；

S2：基于步骤S1采集到的原始数据进行特征数据提取并构造特征矢量；

S3：通过机器学习算法训练步骤S2提取到的特征数据，获取svm算法分类模型m；

S4：实时进行跌倒检测判断。

进一步地，步骤S1中所述的加速度数据通过佩戴在用户腰部的加速度传感器采集得到；视频图像数据通过安装在用户经常出现的地方的视频图像传感器采集得到。

进一步地，所述步骤S2基于步骤S1采集到的原始数据进行特征数据提取并构造特征矢量的具体步骤如下：

针对加速度数据：

A2-1：获取每条加速度数据和每帧视频图像数据的时间戳，取当前帧图像时间戳与上一帧图像时间戳之间的加速度数据作为当前帧图像对应的加速度数据；

A2-2：对步骤S2-1中的该组数据进行中值滤波处理；