一种基于多输入卷积网络的实时跌倒预测方法技术

本发明专利技术涉及一种基于多输入卷积网络的实时跌倒预测方法，属于动作识别领域，其中预测流程包括：传感数据采集模块：惯性传感器安装在人体腰部，测量腰部的加速度，角速度信号；预处理模块：对来自传感器的加速度，角速度信号进行滤波和姿态解算，得到姿态角信号；多输入卷积模块：分别把加速度，角速度，姿态角信号输入一维卷积网络，把人的个体特征传入全连接网络，再拼接所有特征传入多级全连接网络，输出预测结果。本发明专利技术将人体腰部多种传感信号与人体生理特征融合，可以适应不同生理特征人群，提高了跌倒预测精度。提高了跌倒预测精度。提高了跌倒预测精度。

【技术实现步骤摘要】
一种基于多输入卷积网络的实时跌倒预测方法


[0001]本专利技术属于机器学习、人体动作识别、和传感信号处理领域，具体涉及一种基于多输入卷积神经网络的实时跌倒预测方法。

技术介绍

[0002]随着老龄化程度的不断加深，老龄人口安全问题受到越来越多的关注。老年人跌倒会产生严重的损伤，包括胯骨损伤，头部损伤，甚至会给老年人心理造成跌倒恐惧，让老年人更不愿意活动锻炼。因此，跌倒防护成为了一项亟待解决的问题。
[0003]跌倒防护措施主要包括跌倒后检测和跌倒前预测。跌倒后检测只能提供及时的报警，而跌倒前预测可以结合安全装置来大大减小跌倒损伤。
[0004]跌倒前预测方案通常需要让老年人穿戴动作感知传感器和跌倒保护器，以提供随身的跌倒防护，因此比单纯的跌倒后检测更具有实用价值。可用于动作识别的传感器通常包括加速度角速度传感器，压力传感器等。在算法预测到跌倒后，立即产生信号触发跌倒保护装置，可以再人跌倒撞地之前很好地保护人体关键部位，避免产生严重损伤。这些装置可以安装在人体胸部，腰部，手臂等部位，而安装在腰部更具有舒适性，并且腰部的信号不会因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多输入卷积网络的实时跌倒预测方法，其特征在于：包括以下步骤：步骤1、获取人体腰部运动产生的数据作为训练样本，用姿态解算算法求解三轴姿态角信息，并用三轴姿态角求解躯干倾斜角；步骤2、利用躯干倾斜角提取跌倒失衡期间的训练数据，制作目标数据；步骤3、将目标数据输入多一维卷积神经网络模型进行训练，得到用于预测的卷积神经网络模型；步骤4、用腰部安装的传感器实时采集加速度，角速度数据，将采集的原始数据预处理后输入用于预测的卷积神经网络模型进行预测，并输出结果。2.根据权利要求1所述的一种基于多输入卷积网络的实时跌倒预测方法，其特征在于，用惯性传感器获取人体腰部运动产生的三轴加速度与三轴角速度信号，再用姿态解算算法，解算三轴姿态角信号：横滚角、俯仰角、偏航角，再利用姿态角求解躯干倾斜角；θ＝cos
‑1(
‑
cosβcosγ)
ꢀꢀ
(1)式(1)中θ为躯干倾斜角，β为横滚角，γ为俯仰角。3.根据权利要求1所述的一种基于多输入卷积网络的实时跌倒预测方法，其特征在于，步骤2包括以下步骤：步骤2.1、对跌倒失衡动作产生的加速度和角速度时间序列数据提取时间窗：利用姿态解算算法和式(1)求解出躯干倾斜角信号时间序列数据，把跌倒后躺平状态的平均躯干倾斜角记为θ
p
，躯干倾斜角时间序列信号首次达到θ
p
的时刻记为t
p
，提取的跌倒样本时间窗为区间[t
p
‑
300ms,t
p
‑
100ms]，跌倒样本时间窗内的三轴加速度、三轴角速度、三轴姿态角信号设定为跌倒标签；步骤2.2、对正常行为产生的加速度和角速度时间序列数据，提取以加速度峰值为中心的时间窗，数据设定为正常行为标签。4.根据权利要求3所述的一种基于多输入卷积网络的实时跌倒预测方法，其特征在于，所述跌倒样本时间窗内的三轴加速度、三轴角速度、三轴姿态角信号为提取的跌倒样本训练数据，数据设定为跌倒标签。5.根据权利要求4所述的一种基于多输入卷积网络的实时跌倒预测方法，其特征在于，对于每一次正常行为动作，定义加速度峰值所在的时刻为t
a
，将时间窗...

【专利技术属性】
技术研发人员：杜群贵，钟威，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：