[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

说明书

本发明公开了一种基于惯性传感器网络的跌倒检测方法及系统，涉及边缘计算技术领域。包括步骤：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。本发明利用多个惯性传感器通过融合惯性传感器网络数据获得运动数据，并基于滤波方法和正向运动学方法获得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模型从而进行跌倒检测，较之单点惯性传感器的跌倒检测，提高了检测准确性，大大降低了误检的发生。

技术领域

本发明涉及边缘计算技术领域，尤其涉及一种基于惯性传感器网络的跌倒检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

老年人由于身体素质较差、平衡能力较弱，在发生跌倒如不能及时得到帮助和救治，极易受到伤害，严重的情况下甚至会危及生命。因此，能够准确、快速的检测出跌倒行为的发生，并及时予以报警，是应对老年人跌倒威胁的一项重要手段。

随着技术发展，惯性传感器开始慢慢进入研究人员视线。科研人员开始利用惯性传感器的信息来加强三维检测的结果。通过惯性传感器得到肢体的位置和方向等信息。将这些信息运用到人体运动学模型中，就可以得到目标人物在三维空间中的关节点位置。

然而发明人发现，单点惯性传感器能够提供的信息较少，利用多个惯性传感器则会获取更多的特征信息，而人体姿态在行动过程中是一个复杂的连续状态，现有算法对于信息的处理过程不够深入，无法对完整的人体骨架位姿数据进行全面的分析，获得的检测模型鲁棒性较差，因此无法保证检测结果的准确度。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于惯性传感器网络的跌倒检测方法及系统，利用多个惯性传感器通过融合惯性传感器网络数据获得人体骨架姿态数据，利用骨架姿态数据进行跌倒检测，较之单点惯性传感器的跌倒检测，提高了检测准确性，大大降低了误检的发生。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明第一方面提供了一种基于惯性传感器网络的跌倒检测方法，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。

进一步的，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。

进一步的，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。

更进一步的，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。

更进一步的，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；