[发明专利]穿戴式摔倒动态实时检测方法和装置

摘要

本发明公开了一种穿戴式摔倒动态实时检测方法和装置，穿戴式检测装置包括足部、腰部、腕部、背部组成的特定硬件结构；摔倒动态实时检测方法可以完成人体任意状态下摔倒的实时判别，其核心算法包括三（1）步态加速度突变引起的阈值开启逻辑结构；（2）基于零力矩点（ZMP）的人体姿态动态稳定性判别算法；（3）基于人体运动数据库的摔倒模式识别算法。构成完整的动态实时检测系统，达到了应用领域广、对应用环境的依赖性小且实时检测的目的，且该检测方法和装置精确度高，具有系统成本小，系统体积小于便于穿戴的优点。

主权项

1.一种基于穿戴式检测系统的摔倒动态实时检测方法，其特征在于，以完成人体摔倒的实时判别，核心算法包括：算法1步态加速度突变引起的阈值开启逻辑结构；算法2基于零力矩点的人体姿态动态稳定性判别算法；算法3基于人体运动数据库的摔倒模式识别算法；实时判别算法是对上述三种核心算法的综合运用，检测摔倒时，首先由算法1判别出异常状态，然后由算法2和算法3分别判断人体姿态的稳定性和摔倒动作，当算法2和算法3同时给出摔倒报警信号，则判定为发生摔倒，三种算法可独立或者两两组合完成摔倒的检测，上述算法1中的逻辑结构中的步态逻辑包括人正常运动时所有的脚步动作，所述加速度突变是指在上述人体正常运动状态下，由于晕厥、打滑、磕绊、支撑无力、外力冲击突发状态而引起的脚部加速度突变，此种加速度突变必须与脚部的压力数据配合才能判别为非正常状态，进而开启触发信号；算法2所述的基于零力矩点的人体动态稳定性判别改进算法，是根据真实的脚步压力数据、关键节点的加速度和角速度数据，进一步积分得到速度、位置和转角，带入到动态判据模型，零力矩点应落在动态稳定区域内，而由于摔倒动作引起的零力矩点出离动态稳定区域，则认为人有摔倒的可能性，零力矩点离开动态稳定区域越大，人体自动平衡到安全状态的几率越小，摔倒的可能性越大；算法3所述基于人体运动数据库的摔倒模式识别算法主要包括以下步骤：建立“跌倒”和“非跌倒”惯性向量数据库；使用主成分分析对上述惯性向量数据库进行提取和选择降维特征；以及对上述提取和选择降维特征后惯性向量数据进行模式识别和阀值判断从而建立模式识别判别器，将建立的模式识别判别器安装进微控制器进行实时检测；所述建立“跌倒”和“非跌倒”惯性向量数据库具体为：利用微惯性测量单元分别采集腰部、腕部和足部在“跌倒”和“非跌倒”状态下的惯性向量数据；使用初始滤波器对惯性向量数据库的数据进行滤波的步骤；所述初 始滤波器包括：平均滤波器、FIR滤波器、IIR滤波器、卡尔曼滤波器和改进卡尔曼滤波器；还包括使用主成分分析对上述惯性向量数据库进行提取和选择降维特征具体为：利用特征提取算法对数据进行压缩；所述特征提取算法，包括：快速傅里叶变换算法、快速余弦变换算法、主向量分析算法和独立向量分析算法；以及对上述提取和选择降维特征后惯性向量数据进行模式识别和阀值判断从而建立模式识别判别器，将建立的模式识别判别器安装进微控制器进行实时检测即模式识别训练中，所述模式识别训练中模式识别算法包括：改进支持向量机算法、改进隐式马尔科夫算法和改进神经网络算法；所述改进是根据采集的数据维度对现有算法进行调整，并对模式识别算法中的权重进行具体调整。