一种基于加速度传感器的摔倒风险评估方法及系统技术方案

本发明专利技术公开了一种基于加速度传感器的摔倒风险评估方法及系统，方法包括：获取用户的步态加速度数据；对获取的步态加速度数据进行标准化处理；利用预设算法，生成标准步态加速度数据的二维矩阵；通过二维矩阵，生成灰度共生矩阵；利用卷积神经网络，对成灰度共生矩阵进行处理，评估用户摔倒风险等级。本发明专利技术提出基于加速度传感器和卷积神经网络的算法，实现了一种新颖的更有效的平衡能力评估方法。提高了风险评估的准确性，缩短了评估的时间。缩短了评估的时间。缩短了评估的时间。

【技术实现步骤摘要】
一种基于加速度传感器的摔倒风险评估方法及系统


[0001]本专利技术涉及检测人体防摔倒
，具体涉及一种基于加速度传感器的摔倒风险评估方法及系统。

技术介绍

[0002]由于老年人的平衡机能逐渐退化，导致摔倒风险逐渐增加。为防止老年人摔倒，平时应该对老年人的平衡状态做一个预防性的评估。同时，少年儿童的平衡能力的也需要评估，用于提醒少年儿童进行平衡能力的训练。而人体平衡影响因素多，使用平衡量表由测试人员根据动作完成质量打分，主观判断的成分比较多。存在摔倒风险评估准确率低的缺陷。

技术实现思路

[0003]因此，本专利技术提供的一种基于加速度传感器的摔倒风险评估方法及系统，克服了现有技术中摔倒风险评估准确率低的缺陷。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]第一方面，本专利技术实施例提供一种基于加速度传感器的摔倒风险评估方法，包括：
[0006]获取用户的步态加速度数据；
[0007]对获取的步态加速度数据进行标准化处理；
[0008]利用预设算法，生成标准步态加速度数据的二维矩阵；
[0009]通过二维矩阵，生成灰度共生矩阵；
[0010]利用卷积神经网络，对成灰度共生矩阵进行处理，评估用户摔倒风险等级。
[0011]可选地，步态加速度数据中的每组数据，包括：三个方向加速度，用(x,y,z)表示，分别表示左右、前后、上下三个方向的加速度。
[0012]可选地，对获取的步态加速度数据进行标准化处理的步骤，包括：
[0013]当前组数据的三个方向的最小值x
min
、y
min
和z
min
；最大值x
max
、y
max
和z
max
；以及跨度x
span
＝x
max
‑
x
min
+1、y
span
＝y
max
‑
y
min
+1和z
span
＝z
max
‑
z
min
+1；
[0014]找出数据的三个方向坐标的最大跨度和把当前数据的三个方向坐标的中心放到新的中心上，通过以下公式进行计算：
[0015][0016]其中x
span
＝y
span
＝z
span
＝100。
[0017]可选地，对获取的步态加速度数据进行标准化处理，把数据缩放到[0,1]。
[0018]可选地，预设算法包括：对应做角度和算法、对应做角度差算法。
[0019]可选地，通过计算二维矩阵得到对应的共生矩阵，然后通过计算该共生矩阵得到矩阵的部分特征值，来分别代表图像的某些纹理特征。
[0020]第二方面，本专利技术实施例提供一种基于加速度传感器的摔倒风险评估系统，包括：
[0021]数据获取模块，用于获取用户的步态加速度数据；
[0022]标准化处理模块，用于对获取的步态加速度数据进行标准化处理；
[0023]二维矩阵生成模块，用于利用预设算法，生成标准步态加速度数据的二维矩阵；
[0024]灰度共生矩阵生成模块，用于通过二维矩阵，生成灰度共生矩阵；
[0025]风险评估模块，用于利用卷积神经网络，对成灰度共生矩阵进行处理，评估用户摔倒风险等级。
[0026]第三方面，本专利技术实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本专利技术实施例第一方面所述的基于加速度传感器的摔倒风险评估方法。
[0027]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本专利技术实施例第一方面所述的基于加速度传感器的摔倒风险评估方法。
[0028]本专利技术技术方案，具有如下优点：
[0029]本专利技术提供的基于加速度传感器的摔倒风险评估方法及系统，基于加速度传感器和卷积神经网络的算法，实现了一种新颖的更有效的平衡能力评估方法。提高了风险评估的准确性，缩短了评估的时间。
附图说明
[0030]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术实施例提供的一种基于加速度传感器的摔倒风险评估方法的一个具体示例的流程图；
[0032]图2为本专利技术实施例提供的一种基于加速度传感器的摔倒风险评估方法的一个具体示例的卷积神经网络的网络结构图；
[0033]图3为本专利技术实施例提供的一种基于加速度传感器的摔倒风险评估系统的模块组成图；
[0034]图4为本专利技术实施例提供的一种终端一个具体示例的组成图。
具体实施方式
[0035]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0037]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0038]此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0039]实施例1
[0040]本专利技术实施例提供的一种基于加速度传感器的摔倒风险评估方法，如图1所示，包括如下步骤：
[0041]步骤S1：获取用户的步态加速度数据。
[0042]在本专利技术实施例中，步态加速度数据中的每组数据，包括：三个方向加速度，用(x,y,z本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于加速度传感器的摔倒风险评估方法，其特征在于，包括：获取用户的步态加速度数据；对获取的步态加速度数据进行标准化处理；利用预设算法，生成标准步态加速度数据的二维矩阵；通过二维矩阵，生成灰度共生矩阵；利用卷积神经网络，对成灰度共生矩阵进行处理，评估用户摔倒风险等级。2.根据权利要求1所述的基于加速度传感器的摔倒风险评估方法，其特征在于，步态加速度数据中的每组数据，包括：三个方向加速度，用(x,y,z)表示，分别表示左右、前后、上下三个方向的加速度。3.根据权利要求2所述的基于加速度传感器的摔倒风险评估方法，其特征在于，对获取的步态加速度数据进行标准化处理的步骤，包括：当前组数据的三个方向的最小值x
min
、y
min
和z
min
；最大值x
max
、y
max
和z
max
；以及跨度x
span
＝x
max
‑
x
min
+1、y
span
＝y
max
‑
y
min
+1和z
span
＝z
max
‑
z
min
+1；找出数据的三个方向坐标的最大跨度和把当前数据的三个方向坐标的中心放到新的中心上，通过以下公式进行计算：上，通过以下公式进行计算：其中x
span
＝...

【专利技术属性】
技术研发人员：魏春雨，汤青，刘长青，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：