The invention relates to a hierarchical classification based on wearable fall detection method and system, including the fall detection methods: daily behavior data acquisition of the user; synthesis and filtering of the daily behavior data generated raw data; using the sliding window mechanism of feature extraction, the original data of the time domain and the generated samples. The sample combined into a sample set; to identify each sample the sample set by the first layer of one class classification model, the recognition result is transmitted to the second layer of the weighted two class classification model; weighted two class classification model of second layers is responsible for handling the weighted distribution, generating weighted sample fall, and send it to the two class classification model of third layer third layer two rules; the rules of classification model based on the weighted sample is in accordance with the rules of fall fall, to determine whether the user Fall behavior. The invention realizes the accurate judgment of the fall behavior of the user through the above method.
【技术实现步骤摘要】
一种基于层次分类的可穿戴跌倒检测方法及系统
本专利技术涉及普适计算和健康监护领域,具体涉及一种基于层次分类的可穿戴跌倒检测方法及系统。
技术介绍
2016年1月22日人社部新闻发言人李忠指出,截止2014年,中国60岁以上老年人口达到2.1亿,占总人口的比例15.5%,而联合国标准,60岁以上老年人口达10%即视为老龄化社会。随着年龄的日益增大,老年人的生理机体功能逐渐衰退,对意外事件的反应日益缓慢,更易发生跌倒。跌倒已成为高龄老年人群的首位伤害死因,其发生率高,损伤严重,对个人、家庭还是社会均带来极大的负担,已逐步成为关乎老年人健康的社会公共问题。因此,如何对跌倒行为进行实时精准地检测,成为一个十分重要的社会问题。纷繁众多的可穿戴设备日益涌入人们的日常生活,广泛应用于健康监护、运动保健等领域。可穿戴设备利用内嵌的微型传感器采集数据,可以有效挖掘用户的日常行为。同时,可穿戴设备具有价格低廉、配置简单、易携带等优点,对于应对社会老龄化挑战具有重要的现实意义。因此,本专利技术采用可穿戴设备作为研究跌倒检测的工具。跌倒作为一种典型的异常行为,具有其自身的特点。如图1所示,通常情况下跌倒包含三个状态:失重、撞击、静止。跌倒刚开始时,人的双脚会逐渐离开地面并在重力的作用下自由向下坠落,人此时处于某种程度的失重状态。在撞击动作发生时,身体向下的速度达到了最大值,此时与地面或其他物体突然发生撞击,使得合成加速度瞬间达到了最高值。在撞击发生后的某个时间段内,无论跌倒的严重程度如何,人会处于一种相对静止的状态。此外,跌倒还经常伴随着人体朝向的变化,以及各个状态之间的时间约束 ...
【技术保护点】
一种基于层次分类的可穿戴跌倒检测方法,其特征在于,该跌倒检测方法包括:步骤1,利用穿戴式运动传感器采集用户的日常行为数据;步骤2,对采集的该日常行为数据进行合成、滤波处理操作,生成原始数据;步骤3,利用滑动窗口机制提取该原始数据的时频域特征,生成样本,并将该样本组合成样本集;步骤4,利用第一层的一类分类模型对该样本集中的每一个样本进行识别,将识别结果为“跌倒”的跌倒样本组合为跌倒样本集,并将该跌倒样本集发送至第二层的加权二类分类模型;步骤5,第二层的加权二类分类模型负责对该跌倒样本集中所有该跌倒样本进行加权分配处理,生成加权跌倒样本,并将该加权跌倒样本发送至第三层的规则二类分类模型;步骤6,第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则,判断用户是否发生跌倒行为,若判断为跌倒行为则转步骤7,反之则转步骤1;步骤7,触发相应的报警机制,如需继续检测,则转步骤1,否则结束。
【技术特征摘要】
1.一种基于层次分类的可穿戴跌倒检测方法,其特征在于,该跌倒检测方法包括:步骤1,利用穿戴式运动传感器采集用户的日常行为数据;步骤2,对采集的该日常行为数据进行合成、滤波处理操作,生成原始数据;步骤3,利用滑动窗口机制提取该原始数据的时频域特征,生成样本,并将该样本组合成样本集;步骤4,利用第一层的一类分类模型对该样本集中的每一个样本进行识别,将识别结果为“跌倒”的跌倒样本组合为跌倒样本集,并将该跌倒样本集发送至第二层的加权二类分类模型;步骤5,第二层的加权二类分类模型负责对该跌倒样本集中所有该跌倒样本进行加权分配处理,生成加权跌倒样本,并将该加权跌倒样本发送至第三层的规则二类分类模型;步骤6,第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则,判断用户是否发生跌倒行为,若判断为跌倒行为则转步骤7,反之则转步骤1;步骤7,触发相应的报警机制,如需继续检测,则转步骤1,否则结束。2.如权利要求1所述的基于层次分类的可穿戴跌倒检测方法,其特征在于,通过对预先给定样本集进行学习,建立该一类分类模型;并用该一类分类模型对该预先给定样本集中的每一个样本进行识别,生成预先给定跌倒样本集;通过对该预先给定跌倒样本集进行学习,建立该加权二类分类模型;通过对预先给定跌倒规则进行学习,建立该规则二类分类模型。3.如权利要求2所述的基于层次分类的可穿戴跌倒检测方法,其特征在于,该一类分类模型为支持向量数据描述模型,该支持向量数据描述模型根据该预先给定样本集,生成一个超球面,并通过判断该样本是否位于该超球面以内,若该样本位于该超球面以内,则将该样本识别为跌倒样本。4.如权利要求2所述的基于层次分类的可穿戴跌倒检测方法,其特征在于,该加权二类分类模型为加权超限学习机模型,以对该跌倒样本集中的跌倒样本与非跌倒样本分配不同的权值。5.如权利要求1所述的基于层次分类的可穿戴跌倒检测方法,其特征在于,该跌倒规则具体为,a)失重,在失重过程中,合成加速度的值由重力加速度逐渐下降并趋向于零;b)撞击,在撞击动作发生时之前,身体向下的速度已经达到了最大值,此时当与地面或其他物体突然发生撞击,使得合成加速度瞬间达到了一个超过两倍重力加速度的峰值的最高值,此时速度骤减为零;c)静止,加速度计的X,Y,Z轴读数以及合成加速度读数均处于平稳状态。6.一种基于层次分类的可穿戴跌倒检测系统,其特征在于,该跌倒检测系统包括:数...
【专利技术属性】
技术研发人员:陈益强,忽丽莎,高晨龙,谢涛,沈建飞,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:北京,11
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。