一种跌倒检测方法及其系统、通信设备和存储介质技术方案

本发明专利技术涉及通信算法领域，并提供了一种跌倒检测方法及其系统、通信设备和存储介质，包括：构建步骤，利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对加速度信号进行处理以获取特征值数据，利用特征值数据构建训练集；训练步骤，通过差分进化灰狼优化算法对训练集中的特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用最小二乘支持向量机算法对特征值数据进行再次训练，以得到算法模型；预测步骤，利用算法模型对人体上的测试数据进行即将发生跌倒状况的预测。本发明专利技术提供的技术方案大大降低了跌倒检测设备的成本，在保证实时性、低功耗的前提下，提升了分类的准确性。确性。确性。

【技术实现步骤摘要】
一种跌倒检测方法及其系统、通信设备和存储介质


[0001]本专利技术涉及通信算法领域，尤其涉及一种跌倒检测方法及其系统、通信设备和存储介质。

技术介绍

[0002]老年人群体易发生跌倒且可能造成致残和致死等严重后果。由跌倒所带来的伤害会给老人带来一定的心灵创伤，直接影响老年人晚年的生活质量。因此，提升跌倒检测算法的精度符合当下社会的紧迫需求，它不仅能为老年人的自身健康保驾护航，也对促进家庭和谐、社会稳定有着积极的意义。
[0003]在跌倒发生的过程中，必然伴随着动能势能间的转化及碰撞中能量的损耗。直接检测人体的能量变化显然不现实，但可通过能量的其他表现形式间接的检测到这种变化，如运动中的加速度变化。
[0004]目前在基于加速度的跌倒检测算法中，其缺点是比较容易陷入局部最优，但不一定为全局最优点，而在不断的迭代中，其它个体不断向预估的最优点靠近，结果使得算法落入了局部最优值，导致整个群体缺少多样性。另外由于这种算法基于预测性学习，在跌倒模式识别的应用中，需要对大量的样本数据进行整理、计算，计算量大，实时性低，且对硬件系统的计算能力要求高，造成硬件成本提升，无法普及。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种跌倒检测方法及其系统、通信设备和存储介质，大大降低了跌倒检测设备的成本，在保证实时性、低功耗的前提下，提升了分类的准确性。
[0006]本专利技术提出一种跌倒检测方法，所述方法包括：
[0007]构建步骤，利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对所述加速度信号进行处理以获取特征值数据，利用所述特征值数据构建训练集；
[0008]训练步骤，通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练，以得到算法模型；
[0009]预测步骤，利用所述算法模型对人体上的测试数据进行即将发生跌倒状况的预测。
[0010]优选的，所述特征值数据包括加速度信号幅度矢量值和姿态角，所述对所述加速度信号进行处理以获取特征值数据的步骤包括：
[0011]对所述加速度信号进行低通滤波，在滤波完之后获取所述特征值数据。
[0012]优选的，所述通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数的步骤具体包括：
[0013]利用所述差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练来构建最小二乘支持向量机模型；
[0014]将所述最小二乘支持向量机模型进行初始化来得到初始化参数，所述初始化参数包括初始惩罚参数与初始核参数；
[0015]将所述初始化参数作为训练结果设置为所述最小二乘支持向量机算法的参数。
[0016]优选的，所述利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练的步骤包括：
[0017]将所述初始化参数输入所述最小二乘支持向量机算法中，在可行域内任意初始化三类群体：父代群体、子代群体以及变异狼群体；
[0018]针对个体适应度，将所述父代群体通过目标函数计算的值进行升序排列，并挑选所述父代群体中的α狼、β狼和δ狼；
[0019]根据所述父代群体产生所述子代群体以及所述变异狼群体；
[0020]判断所述子代群体中的子代函数值是否小于所述父代群体中的父代函数值；
[0021]如果小于所述父代群体中的父代函数值，则更新所述父代群体中的α狼和相关系数；
[0022]如果不小于所述父代群体中的父代函数值，则将所述子代函数值取代所述父代函数值，并更新所述父代群体中的α狼和相关系数；
[0023]判断函数值取代的次数是否达到最大允许迭代次数；
[0024]如果函数值取代的次数没有达到所述最大允许迭代次数，则更新所述父代群体，并利用更新后的所述父代群体产生所述子代群体以及所述变异狼群体；
[0025]如果函数值取代的次数达到所述最大允许迭代次数，则输出最优参数个体，取所述最优参数个体中的两个纬度值形成最佳惩罚参数和最佳核参数，以完成再次训练得到算法模型。
[0026]另一方面，本专利技术还提供一种跌倒检测系统，所述系统包括构建模块、训练模块和预测模块，其中，
[0027]所述构建模块，用于利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对所述加速度信号进行处理以获取所述特征值数据，利用所述特征值数据构建训练集；
[0028]所述训练模块，用于通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练，以得到算法模型；
[0029]所述预测模块，用于利用所述算法模型对人体上的测试数据进行即将发生跌倒状况的预测。
[0030]优选的，所述特征值数据包括加速度信号幅度矢量值和姿态角，所述构建模块，具体还用于：
[0031]对所述加速度信号进行低通滤波，在滤波完之后获取所述特征值数据。
[0032]优选的，所述训练模块具体用于：
[0033]利用所述差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练来构建最小二乘支持向量机模型；
[0034]将所述最小二乘支持向量机模型进行初始化来得到初始化参数，所述初始化参数包括初始惩罚参数与初始核参数；
[0035]将所述初始化参数作为训练结果设置为所述最小二乘支持向量机算法的参数。
[0036]优选的，将所述初始化参数输入所述最小二乘支持向量机算法中，在可行域内任意初始化三类群体：父代群体、子代群体以及变异狼群体；
[0037]针对个体适应度，将所述父代群体通过目标函数计算的值进行升序排列，并挑选所述父代群体中的α狼、β狼和δ狼；
[0038]根据所述父代群体产生所述子代群体以及所述变异狼群体；
[0039]判断所述子代群体中的子代函数值是否小于所述父代群体中的父代函数值；
[0040]如果小于所述父代群体中的父代函数值，则更新所述父代群体中的α狼和相关系数；
[0041]如果不小于所述父代群体中的父代函数值，则将所述子代函数值取代所述父代函数值，并更新所述父代群体中的α狼和相关系数；
[0042]判断函数值取代的次数是否达到最大允许迭代次数；
[0043]如果函数值取代的次数没有达到所述最大允许迭代次数，则更新所述父代群体，并利用更新后的所述父代群体产生所述子代群体以及所述变异狼群体；
[0044]如果函数值取代的次数达到所述最大允许迭代次数，则输出最优参数个体，取所述最优参数个体中的两个纬度值形成最佳惩罚参数和最佳核参数，以完成再次训练得到算法模型。
[0045]再一方面，本专利技术还提供一种通信设备，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跌倒检测方法，其特征在于，所述方法包括：构建步骤，利用人体上的加速度传感器获取人体在自然坐标系下的x、y和z三个方向上的加速度信号，并对所述加速度信号进行处理以获取特征值数据，利用所述特征值数据构建训练集；训练步骤，通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数，并利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练，以得到算法模型；预测步骤，利用所述算法模型对人体上的测试数据进行即将发生跌倒状况的预测。2.如权利要求1所述的跌倒检测方法，其特征在于，所述特征值数据包括加速度信号幅度矢量值和姿态角，所述对所述加速度信号进行处理以获取特征值数据的步骤包括：对所述加速度信号进行低通滤波，在滤波完之后获取所述特征值数据。3.如权利要求1所述的跌倒检测方法，其特征在于，所述通过差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练，将训练结果设置为最小二乘支持向量机算法的参数的步骤具体包括：利用所述差分进化灰狼优化算法对所述训练集中的所述特征值数据进行训练来构建最小二乘支持向量机模型；将所述最小二乘支持向量机模型进行初始化来得到初始化参数，所述初始化参数包括初始惩罚参数与初始核参数；将所述初始化参数作为训练结果设置为所述最小二乘支持向量机算法的参数。4.如权利要求3所述的跌倒检测方法，其特征在于，所述利用所述最小二乘支持向量机算法对所述特征值数据进行再次训练的步骤包括：将所述初始化参数输入所述最小二乘支持向量机算法中，在可行域内任意初始化三类群体：父代群体、子代群体以及变异狼群体；针对个体适应度，将所述父代群体通过目标函数计算的值进行升序排列，并挑选所述父代群体中的α狼、β狼和δ狼；根据所述父代群体产生所述子代群体以及所述变异狼群体；判断所述子代群体中的子代函数值是否小于所述父代群体中的父代函数值；如果小于所述父代群体中的父代函数值，则更新所述父代群体中的α狼和相关系数；如果不小于所述父代群体中的父代函数值，则将所述子代函数值取代所述父代函数值，并更新所述父代群体中的α狼和相关系数；判断函数值取代的次数是否达到最大允许迭代次数；如果函数值取代的次数没有达到所述最大允许迭代次数，则更新所述父代群体，并利用更新后的所述父代群体产生所述子代群体以及所述变异狼群体；如果函数值取代的次数达到所述最大允许迭代次数，则输出最优参数个体，取所述最优参数个体中的两个纬度值形成最佳惩罚参数和最佳核参数，以完成再次训练得到算法模型。5.一种跌倒检测系统，其特征在于，所述系统包括构建模块、训练模块和预测模块，其中，所述构建模块，用于利用人体上的加速度传感器获取人体在自然坐标系下的x、...

【专利技术属性】
技术研发人员：王明浩，苏大为，翁旭东，梅铮，舒安慰，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：