一种基于嵌入式边缘人工智能的跌倒检测报警方法技术

本发明专利技术涉及物联网智能穿戴设备技术领域，具体涉及一种基于嵌入式边缘人工智能的跌倒检测报警方法，包括以下步骤：步骤S0：搭建基于嵌入式边缘人工智能的跌倒检测报警系统；步骤S1：创建特征值数据集；步骤S2：创建FDMLP模型；步骤S3：跌倒检测；步骤S4：报警与求助。本发明专利技术采用学习率按迭代次数进行指数衰减的优化方法；建立了老人跌倒检测的特征值数据集；对模型进行全整数量化，在嵌入式设备上成功运行；通过通信模块及定位模块发送状态信息及定位信息至云服务器，将数据同步到家属的移动端应用程序以及时进行救助；在保证高精度判别的前提下有效提高模型的运行速度、降低模型的存储消耗；所有识别活动在设备端实现，保护了使用者的隐私数据。者的隐私数据。者的隐私数据。

【技术实现步骤摘要】
一种基于嵌入式边缘人工智能的跌倒检测报警方法


[0001]本专利技术涉及物联网智能穿戴设备
，具体涉及一种基于嵌入式边缘人工智能的跌倒检测报警方法。

技术介绍

[0002]据世界卫生组织统计，全球老人人口将在2025年达到12亿。随着社会老龄化和家庭空巢化等问题日益突出，老人因摔倒而导致的住院率和死亡率不断攀升，这成为了子女看护老人的难题。我国的老人看护领域有待更为科学高效的看护模式和完善的养老系统。应在不妨碍老年人正常生活的情况下，运用科学有效的方法使跌倒者及时得到救助。
[0003]目前已有多种基于人工智能的跌到检测方案被提出，从模型搭建方式通常可分为卷积神经网络(CNN,Convolutional Neural Networks)和长短期记忆网络(LSTM，Long Short
‑
Term Memory)；从跌倒检测方法可分为基于视频的传统检测方法、基于环境变量的方法及穿戴式设备检测方法。CNN主要用于图像识别；LSTM适用于多种形式的数据。基于视频的传统检测方法通过部署一个或多个摄像头获取人体运动图像信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于嵌入式边缘人工智能的跌倒检测报警方法，其特征在于：包括以下步骤：步骤S0：搭建基于嵌入式边缘人工智能的跌倒检测报警系统；步骤S1：创建特征值数据集；步骤S2：创建FDMLP模型；步骤S3：跌倒检测；步骤S4：报警与求助。2.根据权利要求1所述的一种基于嵌入式边缘人工智能的跌倒检测报警方法，其特征在于：所述步骤S1的具体步骤如下：步骤S1.1：收集原始姿态数据作为初始数据集；本步骤中，原始姿态数据包括三轴线性加速度数据和三轴陀螺仪数据，三轴是以人体质心为原点的三维坐标系，其中X轴的正方向为人体的正右侧方向，Y轴的正方向为人体的正前方向，Z轴的正方向为人体正上方向；步骤S1.2：提取初始数据集的数据特征；本步骤中：数据特征包括对线性加速度和陀螺仪各轴原始数据在一个测量周期内进行计算最大值、最小值、平均值、方差、中位数，选取一段包含A＝{N1,N2,
…
,Na}个数据点的姿态数据流，其中N1＝{Ax,Ay,Az,Rx,Ry,Rz},Ax、Ay、Az分别表示x轴加速度数据、y轴加速度数据和z轴加速度数据，Rx、Ry、Rz分别表示x轴陀螺仪数据、y轴陀螺仪数据和z轴陀螺仪数据；对A求最大值、平均值、方差，以及Ax与Az的弧度值、Rx与Rz的弧度值；步骤S1.3：使用随机森林方法评估各特征值对推断结果的影响程度，选取影响程度最大的特征值作为训练模型的主要变量，为不同行为活动下的姿态识别提供依据；步骤S1.4：数据集按4:1的比例划分为训练集、测试集；将特征值数据集生成为CSV文件格式，便于特征值数据集的读取及训练。3.根据权利要求1所述的一种基于嵌入式边缘人工智能的跌倒检测报警方法，其特征在于：所述步骤S2的具体步骤如下：步骤S2.1：搭建多层感知器MLP神经网络模型；步骤S2.2：以MLP神经网络模型为基础提出优化模型，调节API优化学习率；首先使用较大学习率快速得到较优解，然后通过迭代逐步减小学习率使模型在训练后...

【专利技术属性】
技术研发人员：陈晓敏，邵卓雅，马传辉，赵涛涛，孙强，
申请(专利权)人：南通大学，
类型：发明
国别省市：