【技术实现步骤摘要】
本专利技术涉及跌倒检测领域,具体涉及一种基于机器学习的跌倒检测系统。
技术介绍
随着我国逐步进入老龄化社会,老人日常生活中的安全防范,日益成为社会关注的热点。根据报道在上海,仅2010年因跌倒致死1983人,其中87.1%为65岁以上的老年人,致死亡率达77.9/10万,相当于每天有4.7个老年人因跌倒而死亡。此外,老年人因伤就诊病例中,一半以上为跌倒病例;因伤住院病例中,超过80%为跌倒病例。经过调查、研究发现,老年人跌倒后20分钟内的救援,可将伤害降低到最小程度,是救援的黄金时间。因此一种准确的跌倒检测技术,必将在我国老龄化社会中,发挥出巨大的社会和经济效益;然而,跌倒检测又是一项极富挑战性的技术,主要难点如下:1.难以获取真实的老年人跌倒数据,作为跌倒检测方法设计与验证的基础数据;2.现有的传感器获取数据,在跌倒与非跌倒动作间存在交集,难以区分,容易造成误判和漏判;3.全世界范围内,还没有用于跌倒算法验证的数据样本,这无形中增加了算法验证的难度,是一项开创性的工作;4.每个人个体特征的差异,如性别、身高、体重等,都会造成跌倒监测过程的一些数据差异,从而增加跌倒算法开发和验证的难度。
技术实现思路
有鉴于此,本专利技术的目的是提供一种基于机器学习的跌倒检测系统及方法。本专利技术的目的之一是通过以下技术方案来实现的,一种基于机器学习的跌倒检测系统,包括至少一台跌倒检测仪和云平台,所述至少一台跌倒检测 ...
【技术保护点】
一种基于机器学习的跌倒检测系统,其特征在于:包括至少一台跌倒检测仪和云平台,所述至少一台跌倒检测仪,用于检测用户的运动情况和/或生理特征,并根据运动情况和/或生理特征信息生成跌倒判断数据,判断用户是否跌倒;当判断用户为跌倒状态时,至少一台跌倒检测仪检测到的数据传送到云平台进行存储。
【技术特征摘要】
1.一种基于机器学习的跌倒检测系统,其特征在于:包括至少一台跌倒检测仪和云平台,
所述至少一台跌倒检测仪,用于检测用户的运动情况和/或生理特征,并根据运动情况和/或生理特
征信息生成跌倒判断数据,判断用户是否跌倒;
当判断用户为跌倒状态时,至少一台跌倒检测仪检测到的数据传送到云平台进行存储。
2.根据权利要求1所述的基于机器学习的跌倒检测系统,其特征在于:所述云平台执行机器学习
算法分析所有跌倒检测仪检测到的数据判断是否存在更新数据,若是,则云平台生成新的跌倒检测
算法样本,同时至少一台跌倒检测仪根据新的跌倒检测算法样本生成新的跌倒检测算法。
3.根据权利要求1所述的基于机器学习的跌倒检测系统,其特征在于:所述云平台执行机器学习
算法分析所有跌倒检测仪检测到的数据判断是否存在更新数据,若是,则云平台生成新的跌倒检测
算法样本,同时云平台根据新的跌倒检测算法样本生成新的跌倒检测算法,云平台将生成的新的跌
倒检测算法发送给跌倒检测仪,作为下一次跌倒判断的算法。
4.根据权利要求1所述的基于机器学习的跌倒检测系统,其特征在于:所述跌倒检测仪包括微控
制单元、
与微控制单元连接的用于实时获取用户身体姿态的六轴加速度传感器;
与微控制单元连接的用于实时获取报警器高度的高度传感器;
与微控制单元连接的用于实时获取用户位置信息的GPS模块;
与微控制单元连接的用于获取生物传感器值的BLE模块;
与微控制单元连接的用于传输数据的GPRS模块;
以及为用电单元供电的电池;
所述微控制单元控制跌倒检测仪的启动和接收用户身体姿态数据,并对姿态数据进行分析判断,并
根据判断结果启动报警单元。
5.一种基于机器学习的跌倒检测方法,其特征在于:包括
步骤a.跌倒检测仪检测用户的运动情况和/或生理特征,并根据运动情况和/或生理特征信息生成跌
倒判断数据,判断用户是否跌倒;
步骤b.当判断用户为跌倒状态时,跌倒检测仪检测到的数据传送到云平台进行存储。
6.根据权利要求5所述的基于机器学习的跌倒检测方法,其特征在于:当云平台接收到跌倒检测
仪检测到的数据时,云平台执行机器学习算法分析该数据判断是否存在更新数据;若是,则云平台
生成新的跌倒检测算法样本,同时跌倒检测仪根据新的跌倒检测算法样本生成新的跌倒检测算法。
7.根据权利要求5所述的基于机器学习的跌倒检测方法,其特征在于:所述云平台执行机器学习
算法分析跌倒检测仪检测到的数据判断是否存在更新数据,若是,则云平台生成新的跌倒检测算法
\t样本,同时云平台根据新的跌倒检测算法样本生成新的跌倒检测算法,云平台将生成的新的跌倒检
测算法主动发送给跌倒检测仪,作为下一次跌倒判断的算法。
8.根据权利要求5所述的基于机器学习的跌倒检测方法,其特征在于:所述跌...
【专利技术属性】
技术研发人员:赵运勇,童俊平,涂亚庆,陈宝欣,
申请(专利权)人:重庆软汇科技股份有限公司,
类型:发明
国别省市:重庆;85
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。