一种基于盲源分离的老年人跌倒行为检测方法技术

本发明专利技术公开了一种基于盲源分离的老年人跌倒行为检测方法，包括以下步骤：S1、在家中安装kinect音频传感器，采集音频样本数据集；S2、将音频样本数据集进行动作类别标注，得到原始音频数据集；S3、对原始音频数据集进行标准化和白化处理，得到标准音频数据集；S4、根据标准音频数据集，建立盲源分离模型，进行盲源分离，得到独立信号源；S5、根据独立信号源，提取短时能量特征；S6、根据短时能量特征，通过阈值法判断老年人跌倒行为；本发明专利技术解决了基于非负矩阵分解的盲源分离方法，多通道的联合方法存在传感器数量多、计算量大以及频谱信息丢失的问题。

【技术实现步骤摘要】
一种基于盲源分离的老年人跌倒行为检测方法
本专利技术涉及老年人行为检测
，具体涉及一种基于盲源分离的老年人跌倒行为检测方法。
技术介绍
随着年龄增加，老年人跌倒风险显著增高。报告显示，65岁以上老年人每年有三分之一发生意外跌倒，导致身体受伤甚至死亡。居家老人在如厕或洗澡过程中容易发生跌倒或晕厥，因此卫生间是家庭环境中意外跌倒事件的高风险区域，且不易被及时发现。有效的跌倒检测可及时通知家人或看护人员并采取相应干预措施，可减少跌倒造成的伤害。考虑卫生间场景下感知设备的可用性和用户隐私问题，通过声学传感器采集数据进行跌倒检测是一个合适的选择。微软研发的Kinect传感器可采集音频、视频、深度图像等信号，在语音识别、跌倒检测等研究中应用广泛。日常生活中采集的声音信号大多存在多种混合声源且干扰性强，因此基于音频信号的跌倒检测研究较少。目前基于音频信号的跌倒检测方法主要根据获取到的音频信号计算信号峰值，采用阈值法或机器学习分类方法进行跌倒行为检测。但是由于获取数据中存在多种源信号，如碰撞声、尖叫声等等同样导致信号峰值较高，单独计算信号峰值，根本文档来自技高网...

【技术保护点】
1.一种基于盲源分离的老年人跌倒行为检测方法，其特征在于，包括以下步骤：/nS1、在家中安装kinect音频传感器，采集音频样本数据集；/nS2、将音频样本数据集进行动作类别标注，得到原始音频数据集；/nS3、对原始音频数据集进行标准化和白化处理，得到标准音频数据集；/nS4、根据标准音频数据集，建立盲源分离模型，进行盲源分离，得到独立信号源；/nS5、根据独立信号源，提取短时能量特征；/nS6、根据短时能量特征，通过阈值法判断老年人跌倒行为。/n

【技术特征摘要】
1.一种基于盲源分离的老年人跌倒行为检测方法，其特征在于，包括以下步骤：
S1、在家中安装kinect音频传感器，采集音频样本数据集；
S2、将音频样本数据集进行动作类别标注，得到原始音频数据集；
S3、对原始音频数据集进行标准化和白化处理，得到标准音频数据集；
S4、根据标准音频数据集，建立盲源分离模型，进行盲源分离，得到独立信号源；
S5、根据独立信号源，提取短时能量特征；
S6、根据短时能量特征，通过阈值法判断老年人跌倒行为。


2.根据权利要求1所述的基于盲源分离的老年人跌倒行为检测方法，其特征在于，所述步骤S4中的盲源分离模型为：
X(t)＝[x1(t)，…，xi(t)，…，xm(t)]T(1)
X(t)＝AS＝[As1，…，Asi，…，Asm](2)
si＝A-1xi(t)(3)
其中，X(t)为标准音频数据集，xi(t)为第i个t时刻的标准音频样本，m为标准音频数据集中标准音频样本的数量，A为映射矩阵，S为独立信号源矩阵，si为第i个标准音频样本的独立信号源。


3.根据权利要求2所述的基于盲源分离的老年人跌倒行为检测方法，其特征在于，所述映射矩阵A的计算方法包括以下步骤：
A1、设定映射矩阵A的初始值和其迭代的误差阈值ε；
A2、计算独立信号源si的累积分布g(si)；
A3、对累积分布g(si)求导，得到独立信号源si的概率密度
A4、根据概率密度计算独立信号源si的联合分布f(si)；
A5、根据联合分布f(si)，计算标准音频样本xi(t)的概率密度
A6、根据标准音频样本xi(t)的概率密度对标准音频样本xi(t)进行对数似然估计，得到似然估计函数L(A-1)；
A7、对似然估计函数L(A-1)求...

【专利技术属性】
技术研发人员：李巧勤，姜珊，刘勇国，杨尚明，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51