一种融合多传感器的老年人摔倒预测方法和系统技术方案

本发明专利技术公开了一种融合多传感器的老年人摔倒预测方法和系统，属于助行机器人及康复系统技术领域，通过三种传感器采集人体手部触觉信息、人体三轴加速度信息、躯干角度信息，利用这三种在人体摔倒过程中的运动学特征参数分别进行摔倒初步预测，最后通过决策级融合中心对三种信息进行融合。通过检测触觉和人体躯干运动信息并进行多信息融合，可以在300ms内快速检测出人体当前的运动状态，且准确率达到95％，对摔倒预测具有比较高的效率和准确率，可以准确快速的对老年人身体状态进行判定。

【技术实现步骤摘要】
一种融合多传感器的老年人摔倒预测方法和系统
本专利技术属于助行机器人及康复系统
，具体涉及一种融合多传感器的老年人摔倒预测方法和系统。
技术介绍
大多数行动不便的老年人在生活中需要照顾和看护，耗费大量的社会资源。而随着年龄的增加，老年人机体生理功能发生明显改变，表现在器官老化和功能的衰退。其中本体感觉、视觉等老化导致老年人在使用助老伴行机器人时容易发生摔倒，不仅使老年人感到恐惧和焦虑，且摔倒后会令其身体造成严重的损伤，给其生活带来极大的困扰。人体的摔倒是一个复杂多变的过程，包括人体四肢的运动和躯干的运动，通过传感器采集人的手部触觉信息和躯干角度信息描述人体当前的运动状态，前期通过视觉和身体状态来对人体的摔倒进行预测，判断时间过长，而人从身体失衡到与地面撞击最后平躺在地面上的整个摔倒过程只有2～6s。所以此类方法不能快速进行预测摔倒，通过检测触觉和人体躯干运动信息并进行信息融合，可以在300ms实现正确率为95％的检测出人体当前的运动状态，对摔倒进行预测。因此利用该方法预测老年人摔倒具有较高的学术价值和应用意义。现有技术中关于人体摔倒预测方面的相关技术如下：1、申请号为201610202912.6的专利申请“一种摔倒预测方法及系统”，公开的内容：通过监测获取用户前方环境所对应的图像信息；根据所述图像信息，确定用户前方环境中是否包括用户感兴趣的物品当确定用户前方环境中包括用户感兴趣的物品时，为了防止婴儿快速跑向该感兴趣的物品而造成摔倒，启动一级预警操作，以提醒看护人员及时对婴儿进行防护，从而可以降低婴儿摔倒的几率。该方法及系统应用对象为婴儿，而老年人与婴儿的身体特点和认知上差别太大，因此不适合用于老年人摔倒预测。2、申请号为201410505266.1的专利申请“一种摔倒监控装置”提出了一种摔倒监控装置，通过该种装置获取人体的心率和需氧饱和度值来监控人体的身体状态，该种装置需要检测人体的身体状态，而且用来预测人体摔倒的特征参数只有转角数据，对于老年人来讲，其身体状态更加复杂，仅依靠转角数据和心率来进行判断过于简单。且判定时间过长，不适合用于老年人摔倒预测。
技术实现思路
本专利技术的目的在于提供一种融合多传感器的老年人摔倒预测方法和系统，该方法通过检测触觉和人体躯干运动信息并进行多信息融合，可以在300ms内快速检测出人体当前的运动状态，且准确率达到95％，对摔倒预测具有比较高的效率和准确率，可以准确快速的对老年人身体状态进行判定。本专利技术是通过以下技术方案来实现：本专利技术公开了一种融合多传感器的老年人摔倒预测方法，包括以下步骤：步骤一：采集信号通过触觉传感器、三轴加速度传感器和陀螺仪，分别采集使用者手部触觉信息、人体三轴加速度信息和人体躯干角度信息；步骤二：提取关键特征信息通过建立地面与人体间坐标系，选取老年人在摔倒过程中手部触觉力、躯干三轴加速度和躯干角度三种动态变化信息中的特征参数作为摔倒预测的关键特征；步骤三：关键特征信息融合、判断对所提取的手部触觉力、躯干三轴加速度和躯干角度的关键特征参数，分别使用相应的摔倒预测算法对使用者的摔倒趋势进行初步预测，得到初步预测的三种结果，然后再对初步预测的三种结果进行决策级融合，最终判定是否有摔倒可能性。之所以选择使用者手部触觉信息、人体三轴加速度信息和人体躯干角度信息，是因为：第一，人在摔倒时，为了防止跌落对身体造成更大的损害，往往以四肢本能的抓握手附近的扶持，以降低躯体直接摔倒所承受的能量。故选取手部触觉力作为判定人体摔倒的运动特征之一。第二，由于触觉力并不能表征人体躯干特征，而且人体在发生摔倒时，人体躯干三轴加速度会变化明显，故选取人体躯干三轴合加速度作为判定人体摔倒的运动特征之一。第三，人体在正常活动时，躯干在空间中也会发生较大范围的变化，仅靠躯干三轴加速度判断摔倒会产生误判，而人体躯干角度可以用以描述躯干在空间中的位置姿态，故选取人体躯干角度作为判定人体摔倒的运动特征之一。因此，摔倒过程中相关运动学特征包括：三轴加速度变化、人体躯干角度变化、手部抓握力变化进一步地，通过由8路PVDF压电薄膜传感器单元组成的阵列触觉传感器采集手部触觉力，并建立特征向量R＝[ai,bi,ci,di,ei,fi,gi,hi]，其元素为各路传感器所采集的触觉力数值Fi,i＝1,2,3...8建立身体躯干坐标系Oxyz和地面坐标系OXYZ，躯干部位沿x轴方向加速度变化为ax，躯干部位沿y轴方向的加速度为ay，躯干部位沿z轴方向的加速度为az，则合加速度为：定义躯干相对于地面坐标系OXYZ的转角θ1，θ2，θ3，其中θ1绕x轴转动为侧倾角；θ2绕y轴转动为俯仰角，θ3绕z轴转动为自旋角。进一步地，步骤三中的摔倒预测算法包括:基于手部触觉传感器的摔倒初步预测、基于人体躯干三轴加速度传感器的摔倒初步预测、基于陀螺仪的摔倒初步预测。更进一步地，基于手部触觉传感器的摔倒初步预测，具体操作为：触觉传感器共有8路，设定有效信号阈值FT,当Fi＞FT,输入信号有效。正常运动下，其有效信号通道数目N＝4；摔倒发生时，有效信号数目N＞4。构建触觉力特征向量R＝[ai,bi,ci,di,ei,fi,gi,hi]，设置阈值NT，当N＞NT,判定有摔倒，并向决策级融合中心输入预测摔倒的可能性T。更进一步地，基于人体躯干三轴加速度传感器的摔倒初步预测，具体操作为：第一步：用最大距离法确定表征每段Ts内的运动状态特性的特征加速度值ac，定义合加速度的一个基准带B为B＝[b1,b2]，设置B＝[9.5m/s2,11.5m/s2]。按最大距离法确定Ts内的特征加速度值ac。定义t时刻的合加速度值ai与B的距离：d(ai,B)＝|ai-b1|+|ai-b2|则Ts内m个合加速度值ai与B的最大距离：max[d(ai,B)|i＝1,2,..m]第二步：将ac的值域进行分段符号化，生成滑动窗口S的元素{ci}i＝1,2...n。ac的值域θ定义为：θ＝[θ0,θ1)∪[θ1,θ2)∪···∪[θk-1,θk),θ0＝0,θk→+∞符号有限集合定义为：S＝{s1,s2,···,sk},k≥1将值域θ的每一段与S对应关系为：符号S的k＝8。进一步的，对人体摔倒过程进行HMM的建立，由初始平衡状态到失去平衡状态的过程建立模型段λP＝(M,N,π,A,B)。所建模型λP＝(M,N,π,A,B)的参数描述如下：①M：摔倒过程中的隐含运动状态数量。M＝3。②N：观测值数量，N＝8。③π：初始概率分布。π＝{πi},i＝1,2,···,M，其中：④A：使用者摔倒过程中的隐状态转移矩阵，A＝{aij},i,j＝1,2,···,M，其中⑤B：观测矩阵。描述摔倒过程的各隐状态与观测值之间的关系。B＝{bjk},j＝1,2,···,M,k＝1,2,···,N，其中：最终的HMM为：将统计样本集中的不同的运动过程的各个样本进行特征提取得到加速度时间序列，然后作为观测序列O，计算输出概率P(O|λp)，利用统计学方法确定摔倒预测判别阈值,整个判定时间t＜300ms。判别条件为：当P＞P1时，认为有摔倒风险，并向决策级融合中心输入判断结果，输入值为HMM模型所得输出概率P。更进一步地，基于陀螺仪的摔倒初步预测，通过陀螺仪获取绕x轴转动的角速本文档来自技高网...

【技术保护点】
1.一种融合多传感器的老年人摔倒预测方法，其特征在于，包括以下步骤：步骤一：采集信号通过触觉传感器、三轴加速度传感器和陀螺仪，分别对应采集使用者的手部触觉信息、人体三轴加速度信息和人体躯干角度信息；步骤二：提取关键特征信息通过建立地面与人体间坐标系，选取老年人在摔倒过程中手部触觉力、躯干三轴加速度和躯干角度三种动态变化信息中的特征参数作为摔倒预测的关键特征；步骤三：关键特征信息融合、判断对所提取的手部触觉力、躯干三轴加速度和躯干角度的关键特征参数，分别使用相应的摔倒预测算法对使用者的摔倒趋势进行初步预测，得到初步预测的三种结果，然后再对初步预测的三种结果进行决策级融合，最终判定是否有摔倒可能性。

【技术特征摘要】
1.一种融合多传感器的老年人摔倒预测方法，其特征在于，包括以下步骤：步骤一：采集信号通过触觉传感器、三轴加速度传感器和陀螺仪，分别对应采集使用者的手部触觉信息、人体三轴加速度信息和人体躯干角度信息；步骤二：提取关键特征信息通过建立地面与人体间坐标系，选取老年人在摔倒过程中手部触觉力、躯干三轴加速度和躯干角度三种动态变化信息中的特征参数作为摔倒预测的关键特征；步骤三：关键特征信息融合、判断对所提取的手部触觉力、躯干三轴加速度和躯干角度的关键特征参数，分别使用相应的摔倒预测算法对使用者的摔倒趋势进行初步预测，得到初步预测的三种结果，然后再对初步预测的三种结果进行决策级融合，最终判定是否有摔倒可能性。2.根据权利要求1所述的融合多传感器的老年人摔倒预测方法，其特征在于，步骤二中，提取关键特征信息具体操作为：首先，提取摔倒过程中相关运动学特征：手部触觉力、躯干三轴加速度和躯干角度；其次，由8路PVDF压电薄膜传感器单元组成的触觉传感器采集手部触觉力，并建立特征向量R＝[ai,bi,ci,di,ei,fi,gi,hi]，其元素为各路传感器所采集的触觉力数值Fi,i＝1,2,3...8；建立身体躯干坐标系Oxyz和地面坐标系OXYZ，躯干部位沿x轴方向加速度变化为ax，躯干部位沿y轴方向的加速度为ay，躯干部位沿z轴方向的加速度为az，则合加速度为：定义躯干相对于地面坐标系OXYZ的转角θ1，θ2，θ3，其中θ1绕x轴转动为侧倾角；θ2绕y轴转动为俯仰角，θ3绕z轴转动为自旋角；摔倒过程中侧向摔倒时θ1变化较大，前后摔倒时则是θ2出现较大变化。3.根据权利要求1所述的融合多传感器的老年人摔倒预测方法，其特征在于，步骤三中，对所提取的手部触觉力进行摔倒初步预测，具体操作为：触觉传感器共有8路，设定有效信号阈值FT,当Fi＞FT,输入信号有效；正常运动下，其有效信号通道数目N＝4；摔倒发生时，有效信号数目N＞4；构建触觉力特征向量R＝[ai,bi,ci,di,...

【专利技术属性】
技术研发人员：张小栋，韩焕杰，穆小奇，王亚宾，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61