The invention provides a human fall detection method based on the position worn by a mobile device. The method comprises the following steps: firstly, the rotation radius, angular velocity amplitude, attitude angle are calculated by using the data of an accelerometer and a gyroscope, and the features are extracted by using the feature extraction method of the rotation mode component and attitude angle fusion, and then the features are classified and shifted. The wearing position of the moving equipment is adjusted adaptively according to the position, and then a fall detection algorithm based on time series analysis is proposed. The recognition rate of mobile device wearing position is 95.32%, which can accurately distinguish the wearing position of user's mobile device. In different positions, the accuracy of timing analysis falls detection algorithm is the best, all above 92%.
【技术实现步骤摘要】
基于移动设备佩戴位置的人体跌倒检测方法
本专利技术属于通信领域,具体涉及一种基于移动设备佩戴位置的人体跌倒检测方法。
技术介绍
目前,市场上已经出现多种可穿戴式的跌倒检测报警装置。该些跌倒检测报警装置和应用均需佩戴在身体的特定部位,例如手腕、腰间等。由于不同的佩戴位置会对跌倒检测模型和参数造成影响,进而影响到跌倒检测的识别效果,用户首次使用前通常会被要求将设备佩戴在指定位置。用户在实际使用的过程中,手机的佩戴位置往往是在变化的。一般情况下,老年人通常会把智能手机等设备在身体的三个位置间切换佩戴:手腕,腰间,口袋。由于跌倒事件具有随机性,移动设备的佩戴位置也具有不确定性,同一跌倒检测算法在不同位置的识别效果具有较大区别。当前,基于单一佩戴位置的跌倒检测算法更多使用的是阈值检测法。阈值检测算法虽然具有设计简单、计算开销小等优点,但是对于复杂情境适应性较差,无法在各个佩戴位置均具有良好的检测效果。
技术实现思路
本专利技术公开了一种基于移动设备佩戴位置的人体跌倒检测方法。该方法充分考虑了手腕、口袋、腰间等常见的移动设备的佩戴位置,并根据佩戴位置自适应检测人体的跌倒情况,使不同佩戴位置的跌倒检测识别都达到最高。为实现上述专利技术目的,本专利技术提供以下技术方案:一种基于移动设备佩戴位置的人体跌倒检测方法,包括:(1)构建训练样本:通过运动传感器采集多名用户的三轴加速度和角速度数据,并对三轴加速度和角速度数据进行特征提取,获得特征集合(Xr,Xω,Xpitch,Xroll),分别对每个特征值提取特征分量均值、方差、中值、峰度、偏度、四分卫数,构成每个特征值对应的特征子集 ...
【技术保护点】
1.一种基于移动设备佩戴位置的人体跌倒检测方法,包括:(1)构建训练样本:通过运动传感器采集多名用户的三轴加速度和角速度数据,并对三轴加速度和角速度数据进行特征提取,获得特征集合(Xr,Xω,Xpitch,Xroll),分别对每个特征值提取特征分量均值、方差、中值、峰度、偏度、四分卫数,构成每个特征值对应的特征子集A,其中,Xr表示旋转半径特征矩阵,Xω表示角速度特征矩阵,Xpitch表示姿态角Pitch特征矩阵,Xroll表示姿态角Roll特征矩阵;(2)利用所有的特征子集A作为训练样本,训练Logistic回归模型,获得佩戴位置分类模型;(3)采用与步骤(1)相同的方法构建测试样本,利用佩戴位置分类模型对测试样本进行预测,确定测试样本数据对应的佩戴位置;(4)针对每种佩戴位置对应的三轴加速度的矢量和SMV,提取SMV的特征分量最大值、最小值、均值、范围、方差、标准差、均方根、信号幅值面积、四分位数、绝对值,并筛选特征分量分值排名前5的特征分量,构成特征子集B;(5)利用每种佩戴位置对应的所有特征子集B作为训练样本,分别训练SVM分类模型,获得每种佩戴位置对应的跌倒检测模型;(6)按 ...
【技术特征摘要】
1.一种基于移动设备佩戴位置的人体跌倒检测方法,包括:(1)构建训练样本:通过运动传感器采集多名用户的三轴加速度和角速度数据,并对三轴加速度和角速度数据进行特征提取,获得特征集合(Xr,Xω,Xpitch,Xroll),分别对每个特征值提取特征分量均值、方差、中值、峰度、偏度、四分卫数,构成每个特征值对应的特征子集A,其中,Xr表示旋转半径特征矩阵,Xω表示角速度特征矩阵,Xpitch表示姿态角Pitch特征矩阵,Xroll表示姿态角Roll特征矩阵;(2)利用所有的特征子集A作为训练样本,训练Logistic回归模型,获得佩戴位置分类模型;(3)采用与步骤(1)相同的方法构建测试样本,利用佩戴位置分类模型对测试样本进行预测,确定测试样本数据对应的佩戴位置;(4)针对每种佩戴位置对应的三轴加速度的矢量和SMV,提取SMV的特征分量最大值、最小值、均值、范围、方差、标准差、均方根、信号幅值面积、四分位数、绝对值,并筛选特征分量分值排名前5的特征分量,构成特征子集B;(5)利用每种佩戴位置对应的所有特征子集B作为训练样本,分别训练SVM分类模型,获得每种佩戴位置对应的跌倒检测模型;(6)按照步骤(1)对采集的三轴加速度和角速度数据处理后,输入到佩戴位置分类模型,获得用户移动设备的佩戴位置,并根据步骤(2)对该佩戴位置对应的三轴加速度数据进行处理后,输入到与该佩戴位置对应的跌倒检测模型,输出跌倒检测结果。2.如权利要求1所述的基于移动设备佩戴位置的人体跌倒检测方法,其特征在于,步骤(1)中,基于长为512个采样点的时间窗口,按照50%的滑动时间窗对三轴加速度和角速度数据进行特征提取。3.如权利要求1所述的基于移...
【专利技术属性】
技术研发人员:任磊,周金海,吴祥飞,
申请(专利权)人:浙江大学,杭州迈臻智能科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。