一种基于智能手机的老人跌倒检测方法技术

一种基于智能手机的老人跌倒检测方法，利用智能手机内置的加速度传感器、陀螺仪和GPS对老人的动作信号数据进行采集，再处理分析、提取特征，识别老人的行为动作，从而达到跌倒检测的目的，本发明专利技术采用阈值法和人体姿态分析来判断人体是跌倒或ADL事件，减少对慢跑、下蹲等人体剧烈动作的误判；再通过对人体行为数据提取特征值，进行时域、频域特征分析，进一步得到人体行为的结果，防止人体跌倒行为被当作ADL行为而漏检，提高老人跌倒检测的准确性。

Method for detecting fall of old people based on smart phone

A fall detection method of intelligent mobile phone based on the old man, using acceleration sensor, gyroscope and GPS intelligent mobile phone built-in action signal data for the elderly were collected, and then analysis, feature extraction, recognition of the behavior of the elderly, so as to achieve the purpose of fall detection, the invention adopts the threshold method and analysis to determine the human body posture is the event falls or ADL, reduce the jogging, squatting and other human violent actions through the miscarriage of justice; human behavior data extraction eigenvalue analysis, time domain and frequency domain features, further to the human body, prevent the body fall behavior is ADL behavior detection, improve the detection accuracy of elderly falls.

【技术实现步骤摘要】
一种基于智能手机的老人跌倒检测方法
本专利技术属于人体跌倒检测和行为识别
，特别是涉及一种基于智能手机的老人跌倒检测方法。
技术介绍
随着国民经济和医疗水平的不断提高，我国人口老龄化数量也在不断增加，在老年人的日常生活中，跌倒是老年人经常发生的意外，严重影响了老年人的健康甚至生命安全。为了减少跌倒对老人造成的伤害，保护老人的健康和安全，对老人进行实时有效的跌倒检测是必不可少的。目前，跌倒检测方法最常见的是基于视频图像的跌倒检测和可穿戴式的跌倒检测。基于视频图像的跌倒检测方法是在一定区域内安装一个或几个摄像机或照相机采集2D或3D的人体运动图像，提取跌倒动作的图像特征，实现跌倒判断。该方法主要分为三类，第一类是基于静态特征的跌倒检测，即利用人体跌倒后长时间平躺这一特点进行检测；第二类是基于人体姿势的跌倒检测，即利用人体从站立到跌倒的过程中姿势的剧烈变化进行检测；第三类是基于头部运动的跌倒检测，即以人体头部垂直方向的速度为特征，并结合重心或者头与地面的关系来进行检测。基于视频图像的跌倒检测方法采集的是2D或3D图像信息，准确性高，能同时检测多个跌倒事件的发生，但其计算量大，成本较高，只能在一定区域内进行检测，且容易暴露用户的个人隐私。可穿戴式的跌倒检测方法是通常采用微型的传感器嵌入到特定的衣物或饰品中采集数据，由人体穿戴在身上进行跌倒检测。该方法是把传感技术、芯片技术、数据计算处理技术、显示技术等嵌入人体穿戴的衣物或饰品当中，使其成为人体穿戴的一部分，如衣服、帽子、眼镜、手环等，其中常用的传感器类型包括加速度传感器、压力传感器、陀螺仪、磁力计等。可穿戴式的跌倒检测方法可适用的区域广泛，计算量小，不会暴露用户隐私，但其制作麻烦，准确度一般，且需要人体长期穿戴，会对人体日常活动有一定的影响。相比于上面提到的两种跌倒检测方法，本专利技术则是通过智能手机进行人体跌倒检测，智能手机内置的多种传感器联合检测人体动作行为，对人体动作信号数据采用阈值法和人体姿态分析，减少对人体剧烈动作的误判；并结合时域和频域特征值分析法进行行为识别，防止人体跌倒被当作ADL行为而漏检，提高跌倒检测准确性，且降低了成本，使用方便。
技术实现思路
本专利技术所要解决的技术问题是针对上述
技术介绍
的不足，提出了一种基于智能手机的老人跌倒检测方法，其利用智能手机内置的加速度传感器、陀螺仪和GPS对老人的动作信号数据进行采集，再处理分析、提取特征，识别老人的行为动作，从而达到跌倒检测的目的。本专利技术为解决上述技术问题采用以下技术方案一种基于智能手机的老人跌倒检测方法，具体包含如下步骤：步骤1，通过智能手机内置的加速度传感器、陀螺仪、GPS分别采集人体动作信号的加速度、角速度和GPS速度数据；步骤2，对采集的加速度、角速度和GPS速度数据进行中值滤波处理，并计算合加速度、合角速度和人体倾斜角；步骤3，使用阈值法依次比较合加速度、合角速度和人体倾斜角的大小，判断人体行为是否为跌倒；步骤4，对步骤3中判断为非跌倒行为的人体动作的加速度和GPS速度数据进行加窗分割，提取时域特征和频域特征，并将提取出的时域特征和频域特征合并为一个特征量；步骤5，将步骤4提取得到的特征量输入SVM分类器，识别人体ADL行为，判断是否为跌倒。作为本专利技术一种基于智能手机的老人跌倒检测方法的进一步优选方案，所述步骤2具体包含如下步骤：步骤2.1，设X轴原加速度序列ax′(i)，i＝1,2,...,n,经中值滤波后为ax(i)，X轴原角速度序列ωx′(i)，经中值滤波后为ωx(i)；GPS速度原序列v′(i)，经中值滤波后为v(i)，计算如下：其中，Y轴、Z轴的原加速度、角速度序列的中值滤波处理分别与X轴的原加速度、角速度序列的中值滤波处理方式相同；步骤2.2，计算合加速度SMVa、合角速度SMVω、人体倾斜角AoI，具体计算方法如下：其中，ax、ay、az分别为经过中值滤波后X、Y和Z三轴的加速度；ωx、ωy、ωz分别为经过中值滤波后X、Y和Z三轴的角速度。作为本专利技术一种基于智能手机的老人跌倒检测方法的进一步优选方案，所述步骤3具体如下：步骤3.1，若SMVa＜SMVaT，则判断AoI是否为90°；若是，则判定人体已跌倒；否则继续采集人体动作信号数据，其中，SMVaT为合加速度阈值；步骤3.2，若SMVa＞SMVaT，则继续比较SMVω与SMVωT；若SMVω>SMVωT，则再比较AoI与人体姿态倾斜角预设阈值；若AoI>60°，则判定人体为跌倒；否则执行步骤4；其中，SMVωT为合角速度阈值；步骤3.3，若SMVa≥SMVaT，而SMVω＜SMVωT，则执行步骤4。作为本专利技术一种基于智能手机的老人跌倒检测方法的进一步优选方案，所述步骤4具体步骤如下：步骤4.1，提取信号数据特征，所述数据特征具体包括如下特征量：1)均值：其中，A∈{v,ax,ay,az}，Ai表示加速度或GPS传感器采集的第i个采样点，l为窗长；2)标准差：其中，表示窗内数据的均值；3)传感器任意两轴数据的相关系数：其中，B∈{ax,ay,az}，B表示不同于A的另外一轴的加速度采样数据，cov(A,B)为A与B的协方差，σA和σB分别为对应的标准差；4)FFT系数：对于长度为l的数据窗口，FFT前k维系数FFT(A)的傅里叶变换其中，Ai表示加速度传感器采集的第i个采样点；5)能量：能量是对信号数据做离散快速傅里叶变换后，各个分量的幅度的平方和，其计算：其中，|Fi|是信号A经过傅里叶变换后的第i个分量的幅度。步骤4.2，将提取出的时域特征量和频域特征量合并为一个特征量。作为本专利技术一种基于智能手机的老人跌倒检测方法的进一步优选方案，所述步骤4中加窗分割是采用等长的重叠窗对人体行为加速度和GPS速度数据进行分割。作为本专利技术一种基于智能手机的老人跌倒检测方法的进一步优选方案，所述步骤5中SVM分类器是由人体ADL行为提取的特征量与对应的人体行为作为样本输入SVM进行训练和测试得到的分类器。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：(1)本专利技术采用小巧而轻便的智能手机，降低了成本，且使用方便；(2)本专利技术通过智能手机进行人体跌倒检测，智能手机内置的多种传感器联合检测人体动作行为，对人体动作信号数据采用阈值法和人体姿态分析，减少对人体剧烈动作的误判；并结合时域和频域特征值分析法进行行为识别，防止人体跌倒被当作ADL行为而漏检，提高跌倒检测准确性，且降低了成本，使用方便。附图说明图1为本专利技术检测方法的流程图；图2为本专利技术建立的空间直角坐标系。具体实施方式下面结合附图对本专利技术的跌倒检测方法做进一步的详细说明：一种基于智能手机的老人跌倒检测方法，其检测总流程如图1所示。具体过程包括以下步骤：步骤1，通过智能手机内置的加速度传感器、陀螺仪、GPS采集人体动作信号的加速度、角速度和GPS速度数据。其中用于采集数据的智能手机放置在靠近老人腰部口袋位置，以智能手机放置部位为坐标原点,人体所站水平面为XY平面，人体前后侧为X轴，人体的左右侧为Y轴，人体站立水平地面垂直于地面方向为Z轴，建立空间直角坐标系如图2，三轴角速度方向遵循右手螺旋定则。其中人体动作信号数据的采集是通过在智能手机上安装一个能读取加速度传本文档来自技高网...

【技术保护点】
一种基于智能手机的老人跌倒检测方法，其特征在于：具体包含如下步骤：步骤1，通过智能手机内置的加速度传感器、陀螺仪、GPS分别采集人体动作信号的加速度、角速度和GPS速度数据；步骤2，对采集的加速度、角速度和GPS速度数据进行中值滤波处理，并计算合加速度、合角速度和人体倾斜角；步骤3，使用阈值法依次比较合加速度、合角速度和人体倾斜角的大小，判断人体行为是否为跌倒；步骤4，对步骤3中判断为非跌倒行为的人体动作的加速度和GPS速度数据进行加窗分割，提取时域特征和频域特征，并将提取出的时域特征和频域特征合并为一个特征量；步骤5，将步骤4提取得到的特征量输入SVM分类器，识别人体ADL行为，判断是否为跌倒。

【技术特征摘要】
1.一种基于智能手机的老人跌倒检测方法，其特征在于：具体包含如下步骤：步骤1，通过智能手机内置的加速度传感器、陀螺仪、GPS分别采集人体动作信号的加速度、角速度和GPS速度数据；步骤2，对采集的加速度、角速度和GPS速度数据进行中值滤波处理，并计算合加速度、合角速度和人体倾斜角；步骤3，使用阈值法依次比较合加速度、合角速度和人体倾斜角的大小，判断人体行为是否为跌倒；步骤4，对步骤3中判断为非跌倒行为的人体动作的加速度和GPS速度数据进行加窗分割，提取时域特征和频域特征，并将提取出的时域特征和频域特征合并为一个特征量；步骤5，将步骤4提取得到的特征量输入SVM分类器，识别人体ADL行为，判断是否为跌倒。2.根据权利要求1所述的一种基于智能手机的老人跌倒检测方法，其特征在于：所述步骤2具体包含如下步骤：步骤2.1，设X轴原加速度序列ax′(i)，i＝1,2,...,n,经中值滤波后为ax(i)，X轴原角速度序列ωx′(i)，经中值滤波后为ωx(i)；GPS速度原序列v′(i)，经中值滤波后为v(i)，计算如下：其中，Y轴、Z轴的原加速度、角速度序列的中值滤波处理分别与X轴的原加速度、角速度序列的中值滤波处理方式相同；步骤2.2，计算合加速度SMVa、合角速度SMVω、人体倾斜角AoI，具体计算方法如下：

【专利技术属性】
技术研发人员：张载龙，庞金岸，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32