[发明专利]一种跌倒检测方法

说明书

本发明公开了一种跌倒检测方法，本发明首先基于训练样本训练判决阈值：对训练样本进行中值滤波处理后，再提取加速度信号向量幅度，并提取特征值：包括加速度信号向量幅度的峰值，加速度信号向量幅度的最小值与最大值的差值，加速度信号向量幅度的标准差，以及相对角度变化值；然后基于K‑means聚类的方法训练各特征值的二分判决阈值；再实时进行跌倒检测时，对待检测对象的原始加速度信息进行与训练样本相同的预处理后提取对应的四个特征值，再对各特征值进行逐级判决处理，获取跌倒检测结果。本发明可用于对老年群体跌倒状况的实时监测，其计算机复杂度低，在现有的人体可携带设备即可实现对携带者的跌倒状态进行实时检测。

技术领域

本发明属于计算机技术领域，具体涉及一种基于加速度传感器的跌倒检测。

背景技术

在跌倒检测处理中，比较常见的检测方式有：基于视觉的跌倒检测、基于声音的跌倒检测和基于传感器的跌倒检测。

其中，基于视觉的跌倒检测方式主要通过人体运动过程的视觉信息来实现跌倒状况的检测，在基于视觉的跌倒检测过程中，通过摄像头对人体的运动视觉信息进行捕捉，并对捕捉的信息中的每一帧图像进行图像分析和处理，实现对图像中人体部位的识别，最后，通过对不同帧图像中人体部位变化的急剧程度进行分析来实现对跌倒状况的判定。但是基于视频的跌倒检测只能实现对视频区域的跌倒检测，对于视频区域外的区域无法进行跌倒检测。

在基于声音的跌倒检测方式中，则是通过人体跌倒过程中声音信息的变化来实现对跌倒状况的判定。但在日常生活环境中，由于环境中声音信息的来源多样，导致基于声音的跌倒检测很容易受到干扰，故基于声音信息的跌倒检测多作为提高检测精度的一种辅助手段。

在基于传感器的跌倒检测方式中，其通过人体佩戴的运动传感器设备，实现基于人体运动信息的跌倒检测。常用的运动传感器包括加速度传感器、陀螺仪、压力传感器等，在人体发生跌倒的过程中，其运动姿态会发生急剧的变化，通过上述的运动传感器对人体姿态变化过程中的加速度、角速度、足底压力等信息进行采集与分析，便可实现对人体跌倒状况的检测。例如文献“基于加速度传感器的人体跌倒检测方法[J].计算机工程与科学,2017,39(2):330-335”公开的基于加速度传感器的跌倒检测方法中，其运用支持向量机对加速度特征的阈值选择进行了优化；文献“基于智能手机的人体跌倒检测系统设计[J].计算机工程与设计,2014,35(4):1465-1470”公开的跌倒检测方法中，其运用了加速度传感器和陀螺仪两种运动传感器，通过分析跌倒过程中加速度和角速度的变化情况来实现对跌倒过程的准确检测。但已有的基于传感器的跌倒检测方法的检测效率和检测精度都有待于进一步提高。

发明内容

本发明的发明目的在于：基于决策树算法提供一种检测效率和检测精度更好的基于传感器的跌倒检测方法。

本发明的跌倒检测方法包括下列步骤：

步骤1：设置跌倒检测阈值：

101：采集训练样本集，所述训练样本为人体携带的三维(x、y、z轴方向)加速度信息采集终端采集的一段离散的原始加速度序列；

102：对训练样本集进行数据预处理：

对原始加速度信息进行中值滤波处理，再提取加速度信号向量幅度，各采样点的加速度信号向量幅度为当前采样点的三维加速度信息的各维分量的平方和的开方；

103：提取训练样本的特征数据集：

基于加速度信号向量幅度，提取训练样本的特征数据集，包括加速度信号向量幅度的峰值SVMtop，加速度信号向量幅度的最小值与最大值的差值ΔSVM，加速度信号向量幅度的标准差σ(SVM)，以及相对角度变化值Δθ，所述相对角度变化值Δθ为训练样本的最大与最小倾角的差值；