一种基于LabVIEW和MATLAB的跌倒远程监控系统技术方案

一种基于LabVIEW和MATLAB的跌倒远程监控系统，以Kinect V2深度视觉传感器为数据获取源，采用LabVIEW和MATLAB联合编程的方式完成跌倒检测系统的设计，首先将获取的骨骼节点数据进行平滑重构，通过改进的K‑means聚类算法对重构数据进行计算，得到两个聚类中心点，将聚类中心点速度阈值和高度阈值作为跌倒检测的初步判断条件。以聚类中心加速度以及聚类中心和垂直向的夹角为数据源，构建7*7检测样本数据，输入训练好的CNN跌倒检测模型进行跌倒事件最终认定，并将认定结果与远程手机端和PC端进行分享。实验结果表明，本跌倒检测系统具有更高的识别正确率，更低的误报率以及更好的鲁棒性，且手机端和PC端可以实现稳定可靠的实时远程监控。

【技术实现步骤摘要】
一种基于LabVIEW和MATLAB的跌倒远程监控系统
本专利技术涉及跌倒检测以及远程监控领域，具体涉及一种基于LabVIEW和MATLAB的跌倒远程监控系统
技术介绍
随着社会进步和医疗条件的发展，全球人口老龄化日益严重。截止目前,我国60岁以上老年人口超2.3亿，是世界上唯一的一个老年人口过两亿的国家。世界卫生组织报告显示，全球每年有30余万人死于摔倒，其中一半是60岁以上的老人。在我国，每年有4000万老人至少跌倒一次，摔倒已成为65岁以上老人伤害死亡的头号原因。调查表明，在跌倒后，得到医疗救助的时间越短，对老人造成的伤害程度就越低，及时合理的医疗救助，可以大大降低死亡风险，提高救治率。因此，如何对老年人可能随时出现的跌倒行为进行快速精确的检测并报警变得尤为关键。根据采用算法的不同，跌倒检测可以分为基于阈值的检测和基于机器学习的检测。前者只需将识别特征值与阈值进行比较，通过简单的逻辑判断来识别跌倒行为，计算量小，识别速度快，对硬件系统要求不高，易于实现，但该方法受个体差异影响较大，识别精度较低。后者将大量含有特征向量的样本代入模型本文档来自技高网...

【技术保护点】
1.一种基于LabVIEW和MATLAB的跌倒远程监控系统，包括硬件部分和软件部分，其特征在于：/n硬件部分由Kinect V2、计算机、GSM模块和路由器组成，Kinect V2用于人体骨骼节点的数据采集，计算机用于数据处理、存储和运算，通过GSM模块系统与远程手机端实现短信收发功能，通过路由器实现通过网页远程访问系统的状态和数据；/n软件部分通过LabVIEW和MATLAB混合编程的方式实现系统控制、检测和远程报警功能；以LabVIEW软件为开发平台，采集Kinect V2提取的人体25个骨骼点数据，并完成跌倒检测流程控制和远程监控的开发；以MATLAB软件为辅，编制K-means聚类算法...

【技术特征摘要】
1.一种基于LabVIEW和MATLAB的跌倒远程监控系统，包括硬件部分和软件部分，其特征在于：
硬件部分由KinectV2、计算机、GSM模块和路由器组成，KinectV2用于人体骨骼节点的数据采集，计算机用于数据处理、存储和运算，通过GSM模块系统与远程手机端实现短信收发功能，通过路由器实现通过网页远程访问系统的状态和数据；
软件部分通过LabVIEW和MATLAB混合编程的方式实现系统控制、检测和远程报警功能；以LabVIEW软件为开发平台，采集KinectV2提取的人体25个骨骼点数据，并完成跌倒检测流程控制和远程监控的开发；以MATLAB软件为辅，编制K-means聚类算法和卷积神经网络CNN程序，完成跌倒行为检测；通过LabVIEW中提供的MATLABscript节点，实现两软件之间的数据传输。


2.根据权利要求1所述的一种基于LabVIEW和MATLAB的跌倒远程监控系统，其特征在于：跌倒行为检测包括：
步骤a，骨骼节点数据采集及数据平滑处理；
步骤b，骨骼节点数据进行聚类中心算法处理；
步骤c，跌倒特征数据提取，其中包括聚类中心高度计算、聚类中心速度计算、聚类中心加速度计算、聚类中心与垂直方向夹角计算；
步骤d，通过卷积神经网络算法对跌倒行为进行模式分类；
步骤e，采用阈值分析和机器学习相结合的方法来设计跌倒检测系统，聚类中心点的速度和高度作为阈值判断条件，如果两个阈值条件均成立，则将聚类中心加速度和聚类中心与垂直方向夹角所重构的测试样本输入已训练好的CNN模型进行精确识别，如果输出结果为真，则系统进行远程报警。


3.根据权利要求2所述的一种基于LabVIEW和MATLAB的跌倒远程监控系统，其特征在于：步骤a中，使用微软的官方KinectSDK和Kinectdirver配合LabVIEW平台进行KinectV2控制，首先安装KinectSDK和KinectDeveloperToolkit，然后安装labVIEW的VIPM，通过kinect工具包控制KinectV2进行25个骨骼点数据的采集，按照公式(1)对骨骼点的三维坐标数据进行均值平滑，式中，N为连续平滑帧数。











4.根据权利要求2所述的一种基于LabVIEW和MATLAB的跌倒远程监控系统，其特征在于：步骤b中，采用K-means算法对25个骨骼点进行聚类分析，以聚类中心点作为识别分析数据源；人体以两髋中心为分界点，分为上下两部分，因此选取聚类中心的个数K＝2，设计优化的K-means算法中初始聚类中心的选择方法，其流程如下：
步骤b-1，计算25个骨骼节点任意两点之间的欧式距离，选择距离最大的两个骨骼点作为初始聚类中心；
步骤b-2，由公式(2)计算样本所属的类，ci表示骨骼点i与k个类中距离最近的那个类；对于每个类j由公式(3)计算该类中心点μj；
c(i):＝argminj||w(i)-μj||2(2)



式中w(i)表示样本数据；
步骤b-3，重复公式(2)和公式(3)直至得到收敛的聚类中心点O1(xu,yu,zu)和O2(xd,yd,zd)，此时所有骨骼点到它所属类中心欧氏距离的平方和SSE不变。


5.根据权利要求2所述的一种基于LabVIEW和MATLAB的跌倒远程监控系统，其特征在于：步骤c的跌倒特征数据提取中，聚类中心高度计算为：
KinectV2系统坐标系中建立的地面方程如公式(4)所示，其中A，B，C、D为系统常数；将O1(xu,yu,zu)坐标带入公式(5)得到上半身聚类中心O1(xu...

【专利技术属性】
技术研发人员：朱艳，张亚萍，李曙生，王成，竺瑀轩，
申请(专利权)人：泰州职业技术学院，
类型：发明
国别省市：江苏;32