[发明专利]一种基于手机传感器的智能跌倒姿态分类与识别方法

权利要求书

1.一种基于手机传感器的智能跌倒姿态分类与识别方法，包括以下步骤：

S1：基于标准数据集训练出分类模型并部署至手机中；

S2：实时采集手机自身数据；

S3：对采集到的原始数据做数据预处理；

S4：提取时域特征；

S5：基于训练好的模型对人的姿态进行实时地分类与识别；

S6：根据对用户实时姿态的分类与识别，输出分类识别结果。

2.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S1具体包括：

S11：从UCI数据库获取模拟跌倒与日常活动数据集；

S12：根据模拟跌倒与日常活动数据集进行预处理，提取时域特征，使用支持向量机建立离线模型；

S13：将离线模型部署至手机中。

3.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S2中采集的数据为加速度与角速度数据。

4.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S3的数据预处理过程具体包括：

进行坐标系转换，将在设备坐标系下的数据转换至与标准数据集坐标系相一致的数据，可以计算出在参考坐标系下的三轴加速度数据为：

，

其中，R表示旋转矩阵， R由两个基本旋转矩阵复合而成，变量表示pitch即俯仰角，变量表示roll即翻滚角；

其中，分别表示手机采集到的自身三轴加速度， 分别表示对应的标准化后的数值。

5.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S4具体包括：

采用时频分析法对采集到的数据提取时域特征，时域特征具体包括均方根、峰峰值、峰值因子、波形因子、脉冲因子、裕度因子和峭度。

6.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S5中人的姿态具体包括：日常行为、向前趴倒、向前跪倒、向后躺倒、向后坐倒、向左跌倒、向右跌倒。

7.根据权利要求1所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，所述S6的输出结果，具体包括：若未识别出用户跌倒，则返回S2；若识别出用户跌倒，则弹出警报窗口，若用户取消警报，则返回S2，若用户不取消警报，则将实时位置信息以及跌倒姿态发送至紧急联系人。

8.根据权利要求1-7中任一项所述的一种基于手机传感器的智能跌倒姿态分类与识别方法，其特征在于，还包括：

数据采集模块：用于采集数据，通过手机内置的三轴加速度传感器和角速度传感器采集；

预处理模块：对采集的原始数据进行坐标转换，用于解决手机在方向和位置上与标准数据集的不一致性；

特征提取模块：用于采用时域分析法从采集到的数据提取多种特征；

模型训练与识别模块：用于基于所述标准数据集提取到的特征，采用支持向量机训练跌倒姿态分类识别模型，最后移植到手机中；

用户交互模块：识别出跌倒后，若用户不取消警报，则将跌倒信息以及实时位置信息发送至紧急联系人等待救援。