一种基于智能移动终端的跌倒检测方法技术

本发明专利技术公开了一种基于智能移动终端的跌倒检测方法，包括以下步骤：采集在身高、体重、年龄方面有良好代表性的人体活动数据，并构建数据集；运用特征工程技术对数据集进行特征提取与分析，使用PCA降维技术对特征向量进行分析；基于LSTM‑FCN模型设计FallNet模型，对FallNet模型进行训练；将训练好的FallNet模型内置在移动设备中进行跌倒检测；本发明专利技术方法通过设计FallNet模型，在增加少量参数的情况下，FallNet模型的17类别分类效果达到了98.59％，APP能够对人体活动进行识别，也可以对人体跌倒发出警报和报警，可以实现对老龄人群健康状态的智能监测，且监测过程实时性高。

【技术实现步骤摘要】
一种基于智能移动终端的跌倒检测方法
本专利技术涉及智能检测
，尤其涉及一种基于智能移动终端的跌倒检测方法。
技术介绍
随着国家开放二孩政策的施行，我国人口老龄化的趋势日趋明显，如何对于老龄人群健康状态进行智能监测已经成为一个重要的课题。人类活动识别(Humanactivityrecognition,HAR)利用传感器数据来实时分辨活动，随着物联网的迅速发展，这种方法近年来受到了广泛的关注。对于身体衰弱的老人，撞击、跌倒这些影响因素都有可能造成不可挽回的伤害，如果能够设计出一种方便携带、灵敏度高、智能化的活动识别设备，无疑对于老人的健康监护具有重大意义，必将会给更多家庭带来福音。近年来，对日常生活活动(ADLs)的识别与分类技术的研究有了长足的发展，通常是通过分析从传感器获得的信号对人类活动进行分类。跌倒检测精度比较高的方式是图像识别方法，但存在的问题是很难有条件在每个地方安装上摄像头，更不可能用这种方法对某一个人进行连续地检测；采用基于阈值的检测方法在进行跳跃或者缓慢跌倒的情况下则很容易发生误判、漏报，因此这种方法不具备广泛的评估本文档来自技高网...

【技术保护点】
1.一种基于智能移动终端的跌倒检测方法，其特征在于，包括以下步骤：/n步骤一：采集在身高、体重、年龄方面有良好代表性的人体活动数据，并构建数据集，然后对数据集进行预处理，并将预处理后的数据集中80％的人体活动数据作为训练集，将20％的人体活动数据作为测试集；/n步骤二：运用特征工程技术对数据集进行特征提取与分析，使用PCA降维技术对特征向量进行分析，选取优质特征进行下一步训练；/n步骤三：基于LSTM-FCN模型，然后设计一种改进的FallNet模型，在FCN网络和LSTM网络之前加上Batch Normalization层，Batch Normalization层对输入数据进行归一化，归一化...

【技术特征摘要】
1.一种基于智能移动终端的跌倒检测方法，其特征在于，包括以下步骤：
步骤一：采集在身高、体重、年龄方面有良好代表性的人体活动数据，并构建数据集，然后对数据集进行预处理，并将预处理后的数据集中80％的人体活动数据作为训练集，将20％的人体活动数据作为测试集；
步骤二：运用特征工程技术对数据集进行特征提取与分析，使用PCA降维技术对特征向量进行分析，选取优质特征进行下一步训练；
步骤三：基于LSTM-FCN模型，然后设计一种改进的FallNet模型，在FCN网络和LSTM网络之前加上BatchNormalization层，BatchNormalization层对输入数据进行归一化，归一化的数据输入全卷机模块和LSTM模块，并在输入层加上全局最大池化和全局平均池化层，用于提取输入序列的幅度特征，最后在相应的每一个卷积激活模块后面都进行相同的操作，然后利用训练集对FallNet模型进行训练，并利用测试集对FallNet模型进行测试；
步骤四：设计APP，APP采取基于短时间-长时间连续监测的方式，将训练好的FallNet模型内置在移动设备中，然后对采集的人体活动数据进行滑动窗处理，然后根据FallNet模型对采集的人体活动数据进行跌倒检测，并在移动设备中设置本地报警模块和远程报警模块，利用本地报警模块和远程报警模块对跌倒检测结果进行报警求助。


2.根据权利要求1所述的一种基于智能移动终端的跌倒检测方法，其特征在于：所述步骤一中对数据集进行预处理时，利用数据划分手段将数据集随机打乱。


3.根据权利要求1所述的一种基于智能移动终端的跌倒检测方法，其特征在于：所述LSTM模块为包含8个LSTM单元的循环神经网络层，LSTM模块根据输入的时间序列提取特征。针对...

【专利技术属性】
技术研发人员：邢建川，谭玉博，王翔，刘懿尧，王雨轩，陈思芹，王宇萌，苑舒雨，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51