一种人体活动状态识别方法及系统技术方案

本发明专利技术公开了一种人体活动状态识别方法及系统，其中，该方法包括步骤：对采集到的人体腰部加速度数据进行预处理，并根据预处理得到的三轴加速度和合成加速度计算各种状态的特征值，然后比较各个状态的特征值和对应的阈值，判断出人体的活动状态，包括长期静止状态，长期剧烈运动状态，跌倒状态和正常状态。本发明专利技术能够识别人体的多种活动状态，克服了现有技术只能识别单一状态的问题，改进了识别方法的准确性和多样性。

【技术实现步骤摘要】

本专利技术涉及人体健康监护领域，尤其涉及一种人体活动状态识别方法及系统。
技术介绍
在当今社会，人们对弱势群体的关心达到了一个新的高度。因此，能够科学有效地监测像老年人、残疾人这样的弱势群体的活动状况具有十分重要的意义。三轴加速度传感器是一种重量轻、体积小，能够测量三个方向上的人体运动加速度，其输出也更能反映人体的真实运动状况。多项实验也证明基于三轴加速度传感器的人体运动状态识别对于不同运动类型具有良好的识别能力。相对于一些常规的评估方法，采用三轴加速度传感器的这种评估方法具有更好的客观性、实用性和可靠性。但是，目前的基于三轴加速度传感器的人体运动状态识别方法还存在几个明显的缺点:1)信息测量不准确。有的监测装置需要佩戴在手腕上，由于手臂的活动范围广，活动空间大，很难判断此时人的真正的活动状态。2)监测的活动信息单一。有的监测装置只能监测跌倒状态，不能监测其他的活动状态。3)实时性差。有的系统为了保证较高的识别率，对加速度信号提取过多的特征，使得跌倒识别算法复杂，处理速度较慢，无法达到实时性的要求。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中监测的人体活动信息单一，并且识别算法准确率不高的缺陷，提供一种能够准确识别跌倒状态、长期静止状态、长期剧烈运动状态和正常状态的人体活动状态识别方法及系统。本专利技术解决其技术问题所采用的技术方案是: 本专利技术提供一种人体活动状态识别方法，包括以下步骤: 51、采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度； 52、根据得到的三轴加速度和合成加速度，判断人体活动状态，具体包括: 521、判断是否为长期静止状态:计算静止状态特征值ad,，并选取对应的静止状态阈值adthres;如果在一段时间内对于所有采样点，静止状态特征值知都小于静止状态阈值adtoes，判定为长期静止状态；否则执行步骤S22 ; 522、判断是否为长期剧烈运动状态:计算运动状态特征值，并选取对应的运动状态阈值^thras;如果一段时间内所有采样点的运动状态特征值都大于运动状态阈值 ，判定为长期剧烈运动状态；否则执行步骤S23 ; 523、判断是否为跌倒状态:计算跌倒状态特征值rrff,，并选取对应的跌倒状态阈值Affthras;计算运动状态特征值I，并选取此时对应的跌倒-运动状态阈值&果对于某一采样点，跌倒状态特征值Aff,大于跌倒状态阈值i;ffthras，并且运动状态特征值大于跌倒-运动状态阈值^rothras，判定为跌倒状态。步骤S2中使用滑动时间窗口的特征提取方法计算特征值。步骤S2中的特征值计算方法为:将滑动时间窗口分为连续的三段，包括前段时间窗为％f，后段时间窗为Mb，中间段时间窗为『2.’ 静止状态特征值计算合成加速度与重力加速度数值大小的差，并对结果取绝对值； 运动状态特征值4,:计算中间段时间窗内各采样点的合成加速度与重力加速度之差，并对结果求和以后取平均值； 跌倒状态特征值Aff,:计算前段时间窗内各采样点的加速度与合成加速度比值的绝对值和与后段时间窗比值的绝对值和的差，并对结果取平均值。本专利技术还提供一种人体活动状态识别系统，包括加速度预处理单元和人体活动状态判断单元，其中: 加速度预处理单元，用于采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度； 人体活动状态判断单元，用于根据得到的三轴加速度和合成加速度，判断人体活动状态； 该人体活动状态判断单元具体包括: 长期静止状态判断单元，用于判断是否为长期静止状态，计算静止状态特征值ad,，并选取对应的静止状态阈值adthras;如果在一段时间内对于所有采样点，静止状态特征值ad,都小于静止状态阈值adthras，判定为长期静止状态； 长期剧烈运动状态判断单元，用于判断是否为长期剧烈运动状态，计算运动状态特征值并选取对应的运动状态阈值^rethras;如果一段时间内所有采样点的运动状态特征值各,都大于运动状态阈值，判定为长期剧烈运动状态； 跌倒状态判断单元，用于判断是否为跌倒状态，计算跌倒状态特征值rrff,，并选取对应的跌倒状态阈值Affthra3;计算运动状态特征值Oml,并选取此时对应的跌倒-运动状态阈值如果对于某一采样点，跌倒状态特征值Aff,大于跌倒状态阈值i;ffth_，并且运动状态特征值大于跌倒-运动状态阈值判定为跌倒状态。本专利技术产生的有益效果是:本专利技术的人体活动状态识别方法，通过采集人体腰部的加速度数据计算特征值，能够更加准确的识别人体活动状态；并且采用多种状态的特征值与对应的阈值相比较的方法，能够识别人体的多种活动状态，克服了现有技术只能识别单一状态的问题，改进了识别方法的准确性和多样性。【附图说明】下面将结合附图及实施例对本专利技术作进一步说明，附图中: 图1是本专利技术实施例的总体程序流程图； 图2是本专利技术实施例的判断长期静止状态的程序流程图； 图3是本专利技术实施例的判断长期剧烈运动状态的程序流程图； 图4是本专利技术实施例的判断跌倒状态的程序流程图； 图5是本专利技术实施例的判断正常状态的程序流程图；图6是本专利技术实施例的人体活动状态识别系统的结构示意图。【具体实施方式】为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术实施例的人体活动状态识别方法，首先进行加速度预处理，然后依次进行长期静止状态、长期剧烈活动状态、跌倒状态的判别，不属于以上三种状态时，则判定为正常活动状态。并且，重新采集一组加速度数据，进行新一轮的判别。具体包括以下步骤: 51、数据预处理，将采集到的人体腰部的加速度数据进行预处理，首先计算三轴加速度，然后根据三轴加速度计算合成加速度； 52、根据预处理后的人体加速度数据，对人体活动状态进行判定，具体包括: 521、判定是否为长期静止状态，具体步骤为: 5211、计算静止状态特征值ad,，并选取对应的静止状态阈值adthras; 5212、比较静止状态特征值ad,和静止状态阈值adthras，如果在一段时间内对于所有采样点，静止状态特征值ad,都小于静止状态阈值adthras，判定为长期静止状态；否则执行步骤S22 ； 522、判定是否为长期剧烈运动状态，具体步骤为: 5221、计算运动状态特征值各,，并选取对应的运动状态阈值^rethras; 5222、比较运动状态特征值各,和对应的运动状态阈值如果在一段时间内对于所有采样点，运动状态特征值都大于运动状态阈值判定为长期剧烈运动状态；否则执行步骤S23 ; 523、判定是否为跌倒状态，具体步骤为: 5231、计算跌倒状态特征值i;ff,，并选取对应的跌倒状态阈值rrffthras;同时使用步骤S22中计算的运动状态特征值Omi,并选取此时对应的跌倒-运动状态阈值^rothras; 5232、比较跌倒状态特征值与跌倒状态阈值rrffthres，运动状态特征值与跌倒-运动状态阈值<guhras，如果对于某一采样点，跌倒状态特征值i;ff,大于跌倒状态阈值Amhras，并且运动状态特征值&a本文档来自技高网...

【技术保护点】
一种人体活动状态识别方法，其特征在于，包括以下步骤：S1、采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；S2、根据得到的三轴加速度和合成加速度，判断人体活动状态，具体包括：S21、判断是否为长期静止状态：计算静止状态特征值adi，并选取对应的静止状态阈值adthres；如果在一段时间内对于所有采样点，静止状态特征值adi都小于静止状态阈值adthres，判定为长期静止状态；否则执行步骤S22；S22、判断是否为长期剧烈运动状态：计算运动状态特征值ami，并选取对应的运动状态阈值amethres；如果一段时间内所有采样点的运动状态特征值ami都大于运动状态阈值amethres，判定为长期剧烈运动状态；否则执行步骤S23；S23、判断是否为跌倒状态：计算跌倒状态特征值roffi，并选取对应的跌倒状态阈值roffthres；计算运动状态特征值ami，并选取此时对应的跌倒‑运动状态阈值amothres；如果对于某一采样点，跌倒状态特征值roffi大于跌倒状态阈值roffthres，并且运动状态特征值ami大于跌倒‑运动状态阈值amothres，判定为跌倒状态。

【技术特征摘要】

【专利技术属性】
技术研发人员：李文锋，姚丙盟，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42