一种基于智能穿戴设备的跌倒检测预警方法技术

本发明专利技术公开了一种基于智能穿戴设备的跌倒检测预警方法，包括以下步骤：读入训练数据；提取特征参量；训练SVM分类器；采集传感数据；利用SVM分类器测试采集的数据，判断是否存在跌倒风险并进行提示；检测是否跌倒并进行警报。本发明专利技术根据健康人步态数据和异常步态数据提取的特征参量训练SVM分类器，对步态是否处于异常状态进行准确区分和识别，从而实现对可能跌倒的情况进行预先提示；然后在可能跌倒的情况下，对用户进行实时跌倒检测，保护用户的安全。本发明专利技术作为一种基于智能穿戴设备的跌倒检测预警方法可广泛应用于数据处理领域。

A fall detection and early warning method based on smart wearable device

The invention discloses a method of falling detection early warning based on Intelligent wearer, which includes following steps: reading training data, extracting characteristic parameters, training SVM classifier, collecting sensing data, testing data collected by SVM classifier, judging whether there is a fall risk and prompting; detection of falling and entering Alarms. The SVM classifier is trained on the basis of the characteristic parameters extracted from the healthy gait data and abnormal gait data, to distinguish and identify the abnormal state of the gait accurately, so as to prompt the possible fall situation, and then to detect the user in real time and protect it in the case of a possible fall. The security of the user. The invention is a fall detection and early warning method based on Intelligent wearable equipment, which can be widely applied to the field of data processing.

【技术实现步骤摘要】
一种基于智能穿戴设备的跌倒检测预警方法
本专利技术涉及数据处理领域，尤其是一种基于智能穿戴设备的跌倒检测预警方法。
技术介绍
随着人口老龄化，我国60岁以上人口已经超过2.3亿，老年人的健康和安全问题已经引起社会的广泛关注，老年人日常生活能力下降，跌倒、走势、突发疾病、忘记服药等问题屡见不鲜。现有的智能穿戴设备能实现血压、心率的静态参数检测以及跌倒等动态参数的检测，然后在产品使用过程中得到更多的反馈是先有设置仅仅能实现跌倒后的检测。对于高龄老人，一旦跌倒则可能造成关节破损甚至骨折，目前的跌倒检测技术仅能实现跌倒之后的检测，难以满足其他功能需求。在步态识别上，现有技术中提供了对帕金森症患者的步态研究，其技术方案采用的数据基于帕金森患者的足底压力。首先，其数据采集采用的是足底的压力传感器；其次，帕金森患者的步态特征与老人处于容易摔倒状态的步态特征存在较大差别，采用上述现有技术方案难以区分跌倒状态、处于可能跌倒的危险状态和正常状态。
技术实现思路
为了解决上述技术问题，本专利技术的目的是：提供一种基于智能穿戴设备实现对可能跌倒状态的预警以及跌倒检测的方法。本专利技术所采用的技术方案是：一种基于智能穿戴设备的跌倒检测预警方法，包括有以下步骤：A、读入训练数据，所述训练数据包括有多组健康人步态数据和多组异常步态数据，所述训练数据为步行中手部摆动的加速度；B、对于每一组训练数据，搜索该组训练数据中的步态周期，计算每个步态周期中加速度的波谷值a1、加速度的波峰值a2、加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2，然后计算该组训练数据中所有步态周期中加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值C、以加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值作为特征参量构造SVM分类器进行训练；D、通过传感器采集传感数据，所述传感器包括有加速度传感器、陀螺仪、地磁仪器和气压传感器；E、采用训练好的SVM分类器对加速度传感器数据进行测试，若结果为健康人步态，则不进行提示，否则发出提示信号并执行步骤F；F、根据采集的传感数据检测是否处于跌倒状态，若处于跌倒状态，则发出警报信号。进一步，所述步骤F具体包括以下子步骤：F1、根据气压传感器的大气压强确定用户的竖直位置变化量，以地磁仪检测的运动方向为基准方向，根据陀螺仪检测的数据确定在运动方向上的倾斜角度；F2、判断加速度传感器检测的加速度值、运动方向为基准方向和用户的竖直位置变化量是否均超出设定阈值，若是，则执行步骤F3，否则返回步骤D；F3、通过定位模块采集定位数据；F4、通过通信模块发送定位数据和警报信号。进一步，所述步骤F3之后还包括有以下步骤：F5、采集心率传感器采集的心率数据，并判断用户在预设时间内的心率是否超出设定阈值，若是则执行步骤F6，否则返回步骤D；F6、判断用户是否按下求助按键，若是则执行步骤F7，否则返回步骤D；F7、控制语音通信模块启动快速拨号功能；F8、判断是否呼叫成功，若是则进入语音通话模式，否则返回步骤F7。进一步，所述步骤B中还计算每个步态周期的步长l1和步长平均值所述步骤C中的特征参量还包括有步长平均值进一步，所述步骤B中还计算每个步态周期中的计算每个步态周期中加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2的比值t1/t2，所述步骤C中的特征参量还包括有加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2的比值的平均值进一步，所述步骤B中还计算每个步态周期的第一零点对应的速率v1、第二零点对应的速率v2、第一零点对应的速率的平均值和第二零点对应的速率的平均值所述步骤C中的特征参量还包括有第一零点对应的速率的平均值和第二零点对应的速率的平均值本专利技术的有益效果是：根据健康人步态数据和异常步态数据提取的特征参量训练SVM分类器，对步态是否处于异常状态进行准确区分和识别，从而实现对可能跌倒的情况进行预先提示；然后在可能跌倒的情况下，对用户进行实时跌倒检测，保护用户的安全。附图说明图1为本专利技术方法的步骤流程图；图2为本专利技术中健康人步态数据理想模型；图3为本专利技术中异常步态数据理想模型。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步说明：参照图1，一种基于智能穿戴设备的跌倒检测预警方法，包括有以下步骤：A、读入训练数据，所述训练数据包括有多组健康人步态数据和多组异常步态数据，所述训练数据为步行中手部摆动的加速度；首先，采用手部摆动的加速度数据能够准确反映出匀速运动状态下手部摆动状态，参照图2所示的健康人步态数据理想模型，时间为0时，加速度最大，手臂从最后开始向前摆，达到第一个零点时手臂摆速最大，然后开始减速直到手臂摆到最前位置，如此完成一个步态的前半周期；然后以相反的方向完成一个步态的后半周期。通常老人摔倒是由于两脚肌力不平衡所导致，研究中发现，在两脚肌力不平衡的状态下，为了保持平衡，手臂向前和向后摆动的速度是有差异的，参照图3所述的异常步态数据理想模型，其与图2最大的区别在于：以图像的波峰和波谷将一个步态周期分为两个时间区间，两个时间区间的长度明显不同，且两个时间区间内的零点所对应的速度大小也存在显著差别。对于老年人来说，肌力不平衡的程度是渐渐增加的，在正常步态与跌倒之间，存在一个渐变的过程，因此在这个过程中提供了进行跌倒预警提示的机会。B、对于每一组训练数据，搜索该组训练数据中的步态周期，计算每个步态周期中加速度的波谷值a1、加速度的波峰值a2、加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2，然后计算该组训练数据中所有步态周期中加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值C、以加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值作为特征参量构造SVM分类器进行训练；D、通过传感器采集传感数据，所述传感器包括有加速度传感器、陀螺仪、地磁仪器和气压传感器；E、采用训练好的SVM分类器对加速度传感器数据进行测试，若结果为健康人步态，则不进行提示，否则发出提示信号并执行步骤F；F、根据采集的传感数据检测是否处于跌倒状态，若处于跌倒状态，则发出警报信号。由于实际原始数据与理想模型存在一定区别，例如波形的起始点未必就是步态周期的起点，并且短时间内可能存在多个零点或极值点。因此，进一步作为优选的实施方式，所述步骤B中搜索该组训练数据中的步态周期时，通过搜索零点或者搜索波峰、波谷来实现。以搜索零点的方式来确定步态周期为例：从左向右搜索零点，以搜索到第一本文档来自技高网...

【技术保护点】
1.一种基于智能穿戴设备的跌倒检测预警方法，其特征在于，包括有以下步骤：A、读入训练数据，所述训练数据包括有多组健康人步态数据和多组异常步态数据，所述训练数据为步行中手部摆动的加速度；B、对于每一组训练数据，搜索该组训练数据中的步态周期，计算每个步态周期中加速度的波谷值a1、加速度的波峰值a2、加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2，然后计算该组训练数据中所有步态周期中加速度的波谷值的平均值

【技术特征摘要】
1.一种基于智能穿戴设备的跌倒检测预警方法，其特征在于，包括有以下步骤：A、读入训练数据，所述训练数据包括有多组健康人步态数据和多组异常步态数据，所述训练数据为步行中手部摆动的加速度；B、对于每一组训练数据，搜索该组训练数据中的步态周期，计算每个步态周期中加速度的波谷值a1、加速度的波峰值a2、加速度的波谷值a1与加速度的波峰值a2之间的时间t1、加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间t2，然后计算该组训练数据中所有步态周期中加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值C、以加速度的波谷值的平均值加速度的波峰值的平均值加速度的波谷值a1与加速度的波峰值a2之间的时间的平均值加速度的波峰值a2与下一个加速度的波谷值a′1之间的时间的平均值作为特征参量构造SVM分类器进行训练；D、通过传感器采集传感数据，所述传感器包括有加速度传感器、陀螺仪、地磁仪器和气压传感器；E、采用训练好的SVM分类器对加速度传感器数据进行测试，若结果为健康人步态，则不进行提示，否则发出提示信号并执行步骤F；F、根据采集的传感数据检测是否处于跌倒状态，若处于跌倒状态，则发出警报信号。2.根据权利要求1所述的一种基于智能穿戴设备的跌倒检测预警方法，其特征在于：所述步骤F具体包括以下子步骤：F1、根据气压传感器的大气压强确定用户的竖直位置变化量，以地磁仪检测的运动方向为基准方向，根据陀螺仪检测的数据确定在运动方向上的倾斜角度；F2、判断加速度传感器检测的加速度值、运动方向为基准方向和用户的竖直位置...

【专利技术属性】
技术研发人员：陈震，郭伟斌，皮亦然，陈文声，王锦章，
申请(专利权)人：广州柏颐信息科技有限公司，
类型：发明
国别省市：广东,44