[发明专利]一种基于惯性传感器网络的跌倒检测方法及系统

权利要求书

1.一种基于惯性传感器网络的跌倒检测方法，其特征在于，包括以下步骤：

利用惯性传感器网络采集运动数据；

利用滤波方法对运动数据进行传感器姿态估计；

利用正向运动学方法对传感器姿态估计结果进行计算得到人体骨架姿态数据序列；

利用人体骨架姿态数据序列训练LSTM模型；

将待测数据输入训练好的LSTM模型，进行跌倒检测。

2.如权利要求1所述的基于惯性传感器网络的跌倒检测方法，其特征在于，通过惯性动捕套件采集运动数据，惯性动捕套件包括9轴惯性传感器单元和无线通讯模块。

3.如权利要求1所述的基于惯性传感器网络的跌倒检测方法，其特征在于，利用滤波方法对运动数据进行传感器姿态估计的具体步骤为：

对目标进行初始姿态校准；

对于每个惯性传感器的采样数据，通过改进的Kalman滤波方法估计传感器坐标系姿态。

4.如权利要求3所述的基于惯性传感器网络的跌倒检测方法，其特征在于，对目标进行初始姿态校准的具体步骤为：

目标保持双手平举，手心向下的静止站立状态；

利用惯性传感器读数估计传感器坐标系初始姿态四元数，记录每个惯性传感器坐标系与对应的肢体坐标系的相对旋转四元数。

5.如权利要求3所述的基于惯性传感器网络的跌倒检测方法，其特征在于，对于每个惯性传感器的采样数据，通过改进的Kalman滤波方法估计传感器坐标系姿态的具体步骤为：

预测t时刻传感器坐标系姿态四元数；

利用优化方法计算t时刻传感器坐标系姿态观测量；

融合预测的传感器坐标系姿态四元数和传感器坐标系姿态观测量，得到最终t时刻坐标系姿态四元数。

6.如权利要求5所述的基于惯性传感器网络的跌倒检测方法，其特征在于，利用优化方法计算t时刻传感器坐标系姿态观测量的具体步骤为：

构造优化函数；

利用梯度下降法以t时刻传感器坐标系姿态四元数为初始点对优化函数进行求解得到t时刻传感器坐标系姿态观测量。

7.如权利要求1所述的基于惯性传感器网络的跌倒检测方法，其特征在于，利用正向运动学方法对传感器姿态估计结果进行计算得到人体骨架姿态数据序列的具体步骤为：

按照DH约定，利用测量所得的人体参数以正向运动学方法计算各个关节坐标，得到关节位置；

组合姿态估计结果和关节位置，得到完整的人体骨架姿态数据序列。

8.一种基于惯性传感器网络的跌倒检测系统，其特征在于，包括：

数据获取模块，被配置为利用惯性传感器网络采集运动数据；

姿态估计模块，被配置为利用滤波方法对运动数据进行传感器姿态估计；

人体骨架姿态数据计算模块，被配置为利用正向运动学方法对传感器姿态估计结果进行计算得到人体骨架姿态数据序列；

模型训练模块，被配置为利用人体骨架姿态数据序列训练LSTM模型；

跌倒检测模块，被配置为将待测数据输入训练好的LSTM模型，进行跌倒检测。

9.一种计算机可读存储介质，其特征在于，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的基于惯性传感器网络的跌倒检测方法。

10.一种终端设备，其特征在于，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的基于惯性传感器网络的跌倒检测方法。