一种基于大数据的真实环境下老人跌倒检测方法及系统技术方案

技术编号:19377205 阅读:3 留言:0更新日期:2018-11-09 21:49
本发明专利技术公开了一种基于大数据的真实环境下老人跌倒检测方法及系统,属于模式识别和人体行为识别技术领域,本发明专利技术要解决的技术问题为目前已有的跌倒检测系统及方法准确性差、不能满足个体的差异性以及无法获得老人跌倒实验数据,采用的技术方案为:①一种基于大数据的真实环境下老人跌倒检测方法,该方法是基于大数据平台,利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统,通过可穿戴设备采集老人真实环境下的日常行为数据,通过物联网技术将数据传送到大数据平台。②一种基于大数据的真实环境下老人跌倒检测系统,该系统包括可穿戴设备、外设报警设备和大数据平台,可穿戴设备包括传感器、单片机和无线传输模块。

An elderly fall detection method and system based on big data in real environment

The invention discloses a fall detection method and system for the elderly in real environment based on large data, belonging to the technical field of pattern recognition and human behavior recognition. The technical problems to be solved by the invention are that the existing fall detection system and method have poor accuracy, can not meet individual differences and can not obtain the fall of the elderly. The technical schemes of the fall experiment data are as follows: 1. A fall detection method for the elderly in real environment based on big data is proposed. This method is based on big data platform. A fall detection system for the elderly in real environment is constructed by using wearable devices and Internet of Things technology. Days of the elderly in real environment are collected by wearable devices. Data of constant behavior can transmit data to big data platform through Internet of things. The system includes wearable devices, peripheral alarm devices and large data platforms. Wearable devices include sensors, microcontrollers and wireless transmission modules.

【技术实现步骤摘要】
一种基于大数据的真实环境下老人跌倒检测方法及系统
本专利技术涉及模式识别和人体行为识别
,具体地说是一种基于大数据的真实环境下老人跌倒检测方法及系统。
技术介绍
基于可穿戴设备的跌倒检测系统一般佩戴于胸部、腰部、腿部及腕部等部位。通过在设备中加入相关的姿态传感器,从而形成可穿戴检测设备,采集实验对象在运动过程中通过传感器输出的数据来分析并检测跌倒行为。穿戴式设备还有一个优点,它可采集到其他基于视频或环境的跌倒检测系统所不能采集到的生理指标,如血压、心电等信息。TatungUniversity的Shang-LinHsieh等提出一种腕式跌倒检测系统,通过实验检测出系统获得良好的平均灵敏度和特异性。Pannurat,N.等人提出了自动跌倒看控系统。Shany,T.等利用可穿戴式传感器进行人体行为识别和跌倒检测。Habib,M.A.等利用智能手机的进行跌倒性检测。Casilari,E.等人提出了基于Android系统的跌倒检测方案。Yuan,J等人提出利用高效的中断驱动算法来进行跌倒检测和人的日常行为识别。Vavoulas,G.等利用智能手机完成来人体的跌倒检测。Medrano,C.等提出来利用智能手机获取加速度的新方法来进行跌倒检测。López,J.D.等人利用多个加速度融合构建了行为检测系统。Koshmak,G.A.等人结合Android系统和生理性检测来进行跌倒检测。国内很多研究者也纷纷提出很多有关跌倒检测的方法,但大多都是关于算法改进或者利用不同的传感器的结合来实现跌倒检测,并且都是采用青年志愿者来模拟跌倒和日常行为的形式以获取实验数据,这些检测算法一旦应用于真实的老人跌倒数据样本中,其跌倒检测准确率大大降低了。目前已有的跌倒检测系统存在的问题如下:(一)、已有跌倒检测系统都是以青年志愿者模拟跌倒和日常行为获取实验数据,虽然获得了很高的准确率,但该算法一旦用于真实环境下的老人跌倒检测时,其准确率却大大降低;(二)、跌倒检测系统不能够满足个体的差异性,具体应用场景中不同用户身高体重不一样,在跌倒检测过程中系统参数也会有所变化,系统参数统一的直接后果是加剧跌倒检测的误差;(三)、在实验过程中不可能让老人去模拟跌倒获取实验数据,即真实的老人跌倒实验数据很难获取。
技术实现思路
本专利技术的技术任务是提供一种基于大数据的真实环境下老人跌倒检测方法及系统,来解决目前已有的跌倒检测系统及方法准确性差、不能满足个体的差异性以及无法获得老人跌倒实验数据的问题。本专利技术的技术任务是按以下方式实现的,一种基于大数据的真实环境下老人跌倒检测方法,该方法是基于大数据平台,利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统,通过可穿戴设备采集老人真实环境下的日常行为数据,通过物联网技术将数据传送到大数据平台;具体步骤如下:S1、可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统,下一步执行步骤S2;S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理,下一步执行步骤S3;S3、中央处理系统为行为类数据库存储的行为类数量设定一个阈值,判断大数据平台内的行为类数据库的行为类数量是否低于阀值:(1)、若是,则大数据平台为预设阶段,下一步跳转至步骤S8;(2)、若不是,则大数据平台不在预设阶段,下一步执行步骤S4;S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测,下一步执行步骤S5;S5、根据步骤S4检测出的行为类,中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比,判断此行为类是否在行为类数据库中:(1)、若在,则执行步骤S6;(2)、若不在,则跳转至步骤S7;S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较,判断此行为类是否为跌倒行为:(1)、若是,则执行步骤S7;(2)、若不是,则执行步骤S9;S7、中央处理系统触发报警模块发出报警信号到外设报警设备,外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况,下一步执行步骤S8;S8、问询并确认行为类名称,并将行为类存储到行为类数据库中,下一步执行步骤S9;S9、将提取到的样本特征添加到对应行为样本数据库中。作为优选,所述可穿戴设备是由传感器、无线传输模块和单片机集成。作为优选,所述传感器采用ADXL345传感器,无线传输模块采用无线传输模块CC1000。作为优选,所述步骤S2中对采集到的X、Y、Z三轴加速度数据进行特征提取具体为:根据采集到的数据分别从时域提取Y、Z两轴上的均值、低于25的分位值和低于75的分为值,在频域上基于Y轴上提取频谱最大频率、5HZ以下的频率分量值和和5HZ以下频谱的峰值。更优地,所述在Y、Z两轴上提取样本数据,即计算在Y、Z两轴上的加速度mag:更优地,所述在时间域上提取Y、Z两轴上的均值为:利用函数prctile()求出mag数据的25分位置p25和75分位置p75,同时分别计算出低于p25和低于p75的mag数据的平方和sumsq25和sumsq75。更优地,所述在频域上基于Y轴的特征提取,求出Y轴方向上的加速度的离差:对离差进行快速傅里叶变换后,分别求出频谱最大频率maxFreq、5HZ以下的频率分量之sum5HZ和和5HZ以下的频谱的峰值numPeaks。更优地,所述步骤S2中提取到的时间域和频域特征量合并成一个特征向量,对特征向量进行归一化处理。一种基于大数据的真实环境下老人跌倒检测系统,该系统包括可穿戴设备、外设报警设备和大数据平台,可穿戴设备包括传感器、单片机和无线传输模块,大数据平台包括数据库和中央处理系统,单片机连接并控制传感器和无线传输模块,无线传输模块无线连接中央处理系统,中央处理系统发送报警信息到外设报警设备;传感器用于采集人体活动产生的三轴加速度的数据;单片机用于控制传感器和无线传输模块的工作状态无线传输模块用于将传感器采集到的数据传输给中央处理系统;数据库用于分类存储老人真实环境下的日常行为数据;数据库包括行为类数据库和行为样本数据库,行为类数据库用于存储行为类数据,行为样本数据库用于存储行为样本;中央处理系统用于处理接收到的数据并下达处理命令;外设报警设备用于接收中央处理系统发出的报警信息并发出报警信号提醒子女或看护人员老人可能出现危险情况,外设报警设备采用报警器或移动终端。作为优选,所述中央处理系统包括特征处理模块、预设阶段判别模块、分类器、行为类数据比对模块、跌倒行为判别模块、报警模块和数据库创建维护模块;特征处理模块用于对无线传输模块传输到中央处理系统的三轴加速度度进行特征提取并归一化;预设阶段判别模块用于判断该老人跌倒检测系统是否处在预设阶段;分类器采用基于SVM的分类器,分类器用于对提取的行为特征进行人体行为类的检测;行为类数据比对模块用于判断分类器检测到的行为类是否在已有行为类数据库中;跌倒行为判别模块用于判断分类器检测到的行为类是否为跌倒行为;报警模块用于异常情况时发送报警信息给老人的子女或看护人员;数据库创建维护模块用于建立数据库,添加行为类数据库和行为样本数据库以及后期的更新管理工作。本专利技术的基于大数据的真实环境下老人跌倒检测方法及系统与现有技术相比具本文档来自技高网
...

【技术保护点】
1.一种基于大数据的真实环境下老人跌倒检测方法,其特征在于该方法是基于大数据平台,利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统,通过可穿戴设备采集老人真实环境下的日常行为数据,通过物联网技术将数据传送到大数据平台;具体步骤如下:S1、可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统,下一步执行步骤S2;S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理,下一步执行步骤S3;S3、中央处理系统为行为类数据库存储的行为类数量设定一个阈值,判断大数据平台内的行为类数据库的行为类数量是否低于阀值:(1)、若是,则大数据平台为预设阶段,下一步跳转至步骤S8;(2)、若不是,则大数据平台不在预设阶段,下一步执行步骤S4;S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测,下一步执行步骤S5;S5、根据步骤S4检测出的行为类,中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比,判断此行为类是否在行为类数据库中:(1)、若在,则执行步骤S6;(2)、若不在,则跳转至步骤S7;S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较,判断此行为类是否为跌倒行为:(1)、若是,则执行步骤S7;(2)、若不是,则执行步骤S9;S7、中央处理系统触发报警模块发出报警信号到外设报警设备,外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况,下一步执行步骤S8;S8、问询并确认行为类名称,并将行为类存储到行为类数据库中,下一步执行步骤S9;S9、将提取到的样本特征添加到对应行为样本数据库中。...

【技术特征摘要】
1.一种基于大数据的真实环境下老人跌倒检测方法,其特征在于该方法是基于大数据平台,利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统,通过可穿戴设备采集老人真实环境下的日常行为数据,通过物联网技术将数据传送到大数据平台;具体步骤如下:S1、可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统,下一步执行步骤S2;S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理,下一步执行步骤S3;S3、中央处理系统为行为类数据库存储的行为类数量设定一个阈值,判断大数据平台内的行为类数据库的行为类数量是否低于阀值:(1)、若是,则大数据平台为预设阶段,下一步跳转至步骤S8;(2)、若不是,则大数据平台不在预设阶段,下一步执行步骤S4;S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测,下一步执行步骤S5;S5、根据步骤S4检测出的行为类,中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比,判断此行为类是否在行为类数据库中:(1)、若在,则执行步骤S6;(2)、若不在,则跳转至步骤S7;S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较,判断此行为类是否为跌倒行为:(1)、若是,则执行步骤S7;(2)、若不是,则执行步骤S9;S7、中央处理系统触发报警模块发出报警信号到外设报警设备,外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况,下一步执行步骤S8;S8、问询并确认行为类名称,并将行为类存储到行为类数据库中,下一步执行步骤S9;S9、将提取到的样本特征添加到对应行为样本数据库中。2.根据权利要求1所述的基于大数据的真实环境下老人跌倒检测方法,其特征在于所述可穿戴设备是由传感器、无线传输模块和单片机集成。3.根据权利要求1所述的基于大数据的真实环境下老人跌倒检测方法,其特征在于所述传感器采用ADXL345传感器,无线传输模块采用无线传输模块CC1000。4.根据权利要求1所述的基于大数据的真实环境下老人跌倒检测方法,其特征在于所述步骤S2中对采集到的X、Y、Z三轴加速度数据进行特征提取具体为:根据采集到的数据分别从时域提取Y、Z两轴上的均值、低于25的分位值和低于75的分为值,在频域上基于Y轴上提取频谱最大频率、5HZ以下的频率分量值和和5HZ以下频谱的峰值。5.根据权利要求4所述的基于大数据的真实环境下老人跌倒检测方法,其特征在于所述在Y、Z两轴上提取样本数据,即计算在Y、Z两轴上的加速度mag:6.根据权利要求4或...

【专利技术属性】
技术研发人员:赵桂新董爱美
申请(专利权)人:齐鲁工业大学
类型:发明
国别省市:山东,37

网友询问留言 已有0条评论
  • 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。

1