人体跌倒检测方法技术

本发明专利技术公开了一种人体跌倒检测方法，包括在监测区域设置无线WIFI信号发送装置和无线WIFI信号接收装置；对监测区域进行实验，通过获取监测区域WIFI信号的信道状态信息得到跌倒决策模型；对监测区域进行实时监测，获取监测区域WIFI信号的信道状态信息，采用跌倒决策模型对监测区域内的人体状态进行监测和判断。本发明专利技术方法通过普通WiFi设备获得信道状态信息，节约成本的同时满足了用户的舒适度和便利性，而且成本更加低廉；从人体运动引起传播路径长度改变的角度出发，利用信号传播路径改变速度差阈值首先筛选出跌倒和类似跌倒动作，降低运算时间的同时提高了跌倒检测的准确率和检测的效率。

【技术实现步骤摘要】
人体跌倒检测方法
本专利技术具体涉及一种人体跌倒检测方法。
技术介绍
随着经济技术的发展和人们生活水平的提高，智能家居技术也得到了长足的发展。家居环境下人体健康监测的需求日益迫切。尤其对独居老年人而言，跌倒是其室内活动中主要的健康威胁。因此，跌倒检测的研究越来越引起人们的关注。目前，针对人体跌倒的检测方式，主要依赖于硬件或视频的形式：一部分基于视频技术，需要对监测的区域部署视频监控设备等硬件设施，通过对视频或图像等的技术处理，判断人体是否跌倒；另一部分则是基于传感器技术，需要用户穿戴传感器，利用携带的传感器节点采集人体动作的信息，从而对跌倒进行检测，并及时发出报警信号。但是，上述跌倒检测的方法，要么成本高昂(比如需要大量摄像头等)，要么使用不便(需要人体穿戴传感器)等，往往给人们的日常的正常生活带来不便。因此，现有的跌倒检测方法，已经非常不适用于现有的环境。
技术实现思路
本专利技术的目的在于提供一种成本低廉、检测效率高且实时性好的人体跌倒检测方法。本专利技术提供的这种人体跌倒检测方法，包括如下步骤：S1.在监测区域设置无线WIFI信号发送装置和无线WIFI信号接收装置，其中无线WIFI信号发送装置用于发送无线WIFI信号，无线WIFI信号接收装置用于接收无线WIFI信号并获取相应的信号参数；S2.在监测区域进行实验，通过获取监测区域WIFI信号的信道状态信息，得到跌倒决策模型；S3.在对监测区域进行实时监测时，实时获取监测区域WIFI信号的信道状态信息，采用步骤S2得到的跌倒决策模型对监测区域内的人体状态进行监测和判断。步骤S2所述的通过获取监测区域WIFI信号的信道状态信息得到跌倒决策模型，具体为采用如下步骤得到跌倒决策模型：A.获取原始的WIFI信号的信道状态信息，计算信道状态信息的功率并进行噪声滤除；B.分别获取监测区域在静止状态和监测区域有人活动状态下的信道状态信息数据流，计算两种状态下的信道状态信息数据流中的子载波的相关性，并得到相应的相关系数；C.对步骤B得到的信道状态信息数据流，将监测区域有人活动状态下的信道状态信息数据流减去监测区域静止状态下的信道状态信息数据流后得到差别数据流；D.计算步骤C得到的差别数据流下的各个子载波的相关性和相关系数，利用主成分分析法对相关性最强的前N个子载波进行处理，并得到第一个主成分；N为自然数；E.计算步骤D得到的第一个主成分的信号传播路径长度改变率；F.计算时间T1内步骤E得到的信号传播路径长度改变率的最大值和最小值的差值，并记录最大值对应的时刻和最小值对应的时刻；G.根据最大值对应的时刻和最小值对应的时刻判断步骤F得到的差值的有效性，并获取有效的差值的最大值；H.根据步骤G得到的有效的差值的最大值确定阈值Tred作为跌倒判断阈值；I.根据步骤H得到的跌倒判断阈值确认跌倒状态的起始时刻，并采用起始时刻后T2秒内的信道状态信息数据流对初始化的跌倒决策模型进行训练，从而得到最终的跌倒决策模型。步骤A所述的计算信道状态信息的功率，具体为采用共轭乘法计算信道状态信息的功率。步骤A所述的噪声滤除，具体为采用巴特沃兹低通滤波器进行噪声滤除。步骤E所述的计算第一个主成分的信号传播路径长度改变率，具体为采用短时傅里叶变换将第一主成分信号转换到频域，计算得到信号的时频能量谱，然后采用希尔伯特变换从实际波形中得到解析信号的频率变化，最后将频率变化与无线电磁波的波长相乘得到信号传播路径长度改变率。步骤G所述的根据最大值对应的时刻和最小值对应的时刻判断差值的有效性，具体为采用如下规则进行判断：若最大值对应的时刻大于最小值对应的时刻，则判定该差值有效；若最大值对应的时刻小于或等于最小值对应的时刻，则判定该差值无效。步骤I所述的采用起始时刻后T2秒内的信道状态信息数据流对初始化的跌倒决策模型进行训练，具体为采用起始时刻后T2秒内信道状态信息数据流的标准偏差、绝对中位差、四分位差、信号熵和路径改变速度，对初始的随机森林分类模型进行训练，从而得到最终的跌倒决策模型。步骤S3所述的采用步骤S2得到的跌倒决策模型对监测区域内的人体状态进行监测和判断，具体包括如下步骤：a.获取原始的WIFI信号的信道状态信息，计算信道状态信息的功率并进行噪声滤除；b.计算步骤a获取的信道状态信息数据流中的子载波的相关性，并得到相应的相关系数；c.对步骤a得到的信道状态信息数据流减去监测区域无人状态下的信道状态信息数据流后得到差别数据流；d.计算步骤c得到的差别数据流下的各个子载波的相关性和相关系数，利用主成分分析法对相关性最强的前N个子载波进行处理，并得到第一个主成分；N为自然数；e.计算步骤d得到的第一个主成分的信号传播路径长度改变率；f.计算时间T1内步骤e得到的信号传播路径长度改变率的最大值和最小值的差值，并记录最大值对应的时刻和最小值对应的时刻；g.根据最大值对应的时刻和最小值对应的时刻判断步骤f得到的差值的有效性，并获取有效的差值的最大值；h.根据步骤g得到的有效的差值的最大值与跌倒判断阈值的大小，判定跌倒动作的起始时刻；i.根据步骤h得到的得到的跌倒动作的起始时刻，获取起始时刻后T2秒内的信道状态信息数据流的参数，并采用步骤S2得到的跌倒决策模型判定监测区域内人体的状态。步骤a所述的计算信道状态信息的功率，具体为采用共轭乘法计算信道状态信息的功率。步骤a所述的噪声滤除，具体为采用巴特沃兹低通滤波器进行噪声滤除。步骤e所述的计算第一个主成分的信号传播路径长度改变率，具体为采用短时傅里叶变换将第一主成分信号转换到频域，计算得到信号的时频能量谱，然后采用希尔伯特变换从实际波形中得到解析信号的频率变化，最后将频率变化与无线电磁波的波长相乘得到信号传播路径长度改变率。步骤g所述的根据最大值对应的时刻和最小值对应的时刻判断差值的有效性，具体为采用如下规则进行判断：若最大值对应的时刻大于最小值对应的时刻，则判定该差值有效；若最大值对应的时刻小于或等于最小值对应的时刻，则判定该差值无效。步骤i所述的获取起始时刻后T2秒内的信道状态信息数据流的参数，具体包括起始时刻后T2秒内信道状态信息数据流的标准偏差、绝对中位差、四分位差、信号熵和路径改变速度。本专利技术提供的这种人体跌倒检测方法，普通WiFi设备获得信道状态信息，节约成本的同时满足了用户的舒适度和便利性，摒弃了可穿戴传感器、视频等其他附加的设备，成本更加低廉；从人体运动引起传播路径长度改变的角度出发，利用信号传播路径改变速度差阈值首先筛选出跌倒和类似跌倒动作，降低运算时间的同时提高了跌倒检测的准确率和检测的效率。附图说明图1为本专利技术方法的无线WIFI信号发送装置和无线WIFI信号接收装置的布置示意图。图2为本专利技术方法的方法流程图。图3为本专利技术方法的具体实施例中不同动作对应的信号时频能量谱和传播路径长度改变率示意图。图4为本专利技术方法的具体实施例中选取不同阈值时的疑似跌倒的筛选率情况示意图。具体实施方式如图2所示为本专利技术方法的方法流程图：本专利技术提供的这种人体跌倒检测方法，包括如下步骤：S1.在监测区域设置无线WIFI信号发送装置和无线WIFI信号接收装置(布置时示意图如图1所示)，其中无线WIFI信号发送装置用于发送无线WIFI信号，无线WIFI信号接收装置用于接收本文档来自技高网...

【技术保护点】
1.一种人体跌倒检测方法，包括如下步骤：S1.在监测区域设置无线WIFI信号发送装置和无线WIFI信号接收装置，其中无线WIFI信号发送装置用于发送无线WIFI信号，无线WIFI信号接收装置用于接收无线WIFI信号并获取相应的通信参数；S2.对监测区域进行实验，通过获取监测区域WIFI信号的信道状态信息，得到跌倒决策模型；S3.在对监测区域进行实时监测时，实时获取监测区域WIFI信号的信道状态信息，采用步骤S2得到的跌倒决策模型对监测区域内的人体状态进行监测和判断。

【技术特征摘要】
1.一种人体跌倒检测方法，包括如下步骤：S1.在监测区域设置无线WIFI信号发送装置和无线WIFI信号接收装置，其中无线WIFI信号发送装置用于发送无线WIFI信号，无线WIFI信号接收装置用于接收无线WIFI信号并获取相应的通信参数；S2.对监测区域进行实验，通过获取监测区域WIFI信号的信道状态信息，得到跌倒决策模型；S3.在对监测区域进行实时监测时，实时获取监测区域WIFI信号的信道状态信息，采用步骤S2得到的跌倒决策模型对监测区域内的人体状态进行监测和判断。2.根据权利要求1所述的人体跌倒检测方法，其特征在于步骤S2所述的通过获取监测区域WIFI信号的信道状态信息得到跌倒决策模型，具体为采用如下步骤得到跌倒决策模型：A.获取原始的WIFI信号的信道状态信息，计算信道状态信息的功率并进行噪声滤除；B.分别获取监测区域在静止状态下和监测区域有人活动状态下的信道状态信息数据流，计算两种状态下的信道状态信息数据流中的子载波的相关性，并得到相应的相关系数；C.对步骤B得到的信道状态信息数据流，将监测区域有人状态下的信道状态信息数据流减去监测区域无人状态下的信道状态信息数据流后得到差别数据流；D.计算步骤C得到的差别数据流下的各个子载波的相关性和相关系数，利用主成分分析法对相关性最强的前N个子载波进行处理，并得到第一个主成分；N为自然数；E.计算步骤D得到的第一个主成分的信号传播路径长度改变率；F.计算时间T1内步骤E得到的信号传播路径长度改变率的最大值和最小值的差值，并记录最大值对应的时刻和最小值对应的时刻；G.根据最大值对应的时刻和最小值对应的时刻判断步骤F得到的差值的有效性，并获取有效的差值的最大值；H.根据步骤G得到的有效的差值的最大值确定阈值Tred作为跌倒判断阈值；I.根据步骤H得到的跌倒判断阈值确认跌倒状态的起始时刻，并采用起始时刻后T2秒内的信道状态信息数据流对初始化的跌倒决策模型进行训练，从而得到最终的跌倒决策模型。3.根据权利要求2所述的人体跌倒检测方法，其特征在于步骤E所述的计算第一个主成分的信号传播路径长度改变率，具体为采用短时傅里叶变换将第一主成分信号转换到频域，计算得到信号的时频能量谱，然后采用希尔伯特变换从实际波形中得到解析信号的频率变化，最后将频率变化与无线电磁波的波长相乘得到信号传播路径长度改变率。4.根据权利要求3所述的人体跌倒检测方法，其特征在于步骤G所述的根据最大值对应的时刻和最小值对应的时刻判断差值的有效性，具体为采用如下规则进行判断：若最大值对应的时刻大于最小值对应的时刻，则判定该差值有效；若最大值对应的时刻小于或等...

【专利技术属性】
技术研发人员：肖玲，潘浩，宋辉露，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43