一种跌倒检测方法、处理器及系统技术方案

本发明专利技术涉及一种跌倒检测方法，获取用户的传感器数据，将传感器数据进行滑动窗特征提取生成样本矩阵，由同一个传感器数据生成的全部样本矩阵组成一个判决序列，将全部传感器数据生成的判决序列堆叠为一个多通道输入序列，将多通道输入序列输入线性投影层，得到线性投影矩阵，将线性投影矩阵输入Transformer编码层，将Transformer编码层的输出输入至分类层，在分类层的输出端得到用户跌倒和非跌倒的二分类结果，判断用户是否跌倒。本发明专利技术的方法利用重叠滑动窗方法将传感器数据分割为短时间和长时间特征组，长短时间特征分别提供完整和局部的时序信息，减少了在识别过程中时间信息缺失造成的影响，跌倒判断更加准确。跌倒判断更加准确。跌倒判断更加准确。

【技术实现步骤摘要】
一种跌倒检测方法、处理器及系统


[0001]本专利技术属于管道渗漏定位
，具体涉及一种跌倒检测方法、处理器及系统。

技术介绍

[0002]跌倒是对老年人造成健康损害乃至死亡的重要原因。随着老人年龄的增加，老年人身体变得十分脆弱，突如其来的跌倒很容易给他们带来致命的伤害。跌倒行为检测能够在老人跌倒后第一时间给予医疗干预，对于减少老人身体损害具有重要意义。
[0003]近年来，已有一些已经基于深度学习的跌倒检测技术的研究和应用。例如，物联网技术深度学习技术的应用主要集中于姿态传感器数据检测（中国专利技术专利CN201930671549.7）、姿态评估（中国专利技术专利CN201911346598.9）、异常报警（中国专利技术专利CN202110945470.5）等。主要的局限表现在：传感器类型的以及佩戴位置的选择对检测精度的影响；跌倒检测算法在处理不同传感器数据有明显的误差，以及依赖某种特定的传感器才具有较高的灵敏度、精确度。
[0004]此外，现有技术通知跌倒状态识别结果时候一般采用短信/电话通知的方式，病人家属（跌倒者受到严重损害通常是老年人，以下都用老人进行描述）若因工作繁忙没有看到短信或者不方便接听电话，就无法参与老人的救治辅助中，如果没有家属配合，将会影响跌倒老人的救治效果。

技术实现思路

[0005]基于现有技术中存在的上述缺点和不足，本专利技术的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本专利技术的目的之一是提供满足前述需求之一或多个的一种跌倒检测方法、处理器及系统。
[0006]为了达到上述专利技术目的，本专利技术采用以下技术方案：第一方面，本专利技术提供了一种跌倒检测方法，方法具体包括如下步骤：S1、获取用户的两个三轴加速计和一个三轴陀螺仪数据；S2、将两个三轴加速计和一个三轴陀螺仪数据以指定窗口大小及重叠率进行滑动窗特征提取，每次特征提取生成一个指定窗口大小的样本矩阵，由同一个三轴加速计或三轴陀螺仪生成的全部样本矩阵组成一个判决序列；S3、将两个三轴加速计和一个三轴陀螺仪生成的判决序列堆叠为一个多通道输入序列；S4、将多通道输入序列输入线性投影层，得到线性投影矩阵；S5、将线性投影矩阵输入Transformer编码层，根据Transformer编码层的输出计算跌倒状态软概率，并将Transformer编码层的输出输入至分类层，在分类层的输出端得到用户跌倒和非跌倒的二分类结果；S6、根据跌倒和非跌倒的二分类结果判断用户是否跌倒。
[0007]作为一种优选的方案，Transformer编码层由三个相同的Transformer编码器堆
叠，每个Transformer编码器之间使用一个残差连接，每个Transformer编码器之后还连接归一化层和一个多层感知机。
[0008]作为一种优选的方案，线性投影层的尺寸为多通道输入序列的长度+1，线性投影层将多通道输入序列的顺序编码嵌入线性投影矩阵。
[0009]作为一种优选的方案，分类层由一层全连接层组成。
[0010]作为一种优选的方案，步骤S6中，当跌倒状态软概率未大于第一阈值时，判断用户未跌倒；当跌倒状态软概率大于第一阈值但小于第二阈值时，判断用户低风险跌倒；当跌倒状态软概率大于第二阈值但小于第三阈值时，判断用户中风险跌倒；当跌倒状态软概率大于第三阈值时，判断用户高风险跌倒。
[0011]第二方面，本专利技术提供一种跌倒检测处理器，应用如上述任一项的方法，处理器使用K210微控制器，处理器根据跌倒和非跌倒的二分类结果，判断跌倒风险等级，并根据跌倒风险等级发送跌倒报警信息。
[0012]第三方面，本专利技术提供一种跌倒检测系统，应用如上述的跌倒检测处理器，还包括传感器、云管理平台、移动端；传感器包括配置于用户体态的两个三轴加速计、一个三轴陀螺仪和位置定位仪，传感器与跌倒检测处理器、云管理平台、移动端通信连接；处理器与云管理平台、移动端通信连接；云管理平台记录用户的位置信息和基础医疗信息，并在接收到处理器发送的跌倒报警信息时呼叫医疗救助；移动端在接收到处理器发送的跌倒报警信息时进行报警并展示报警界面。
[0013]作为一种优选的方案，基础医疗信息包括用户的姓名、性别、年龄、医疗备案号。
[0014]作为一种优选的方案，移动端在接收到处理器发送的跌倒报警信息时，根据跌倒报警信息的跌倒风险等级进行分级报警。
[0015]作为一种进一步优选的方案，跌倒风险等级分为未跌倒、低风险跌倒等级、中风险跌倒等级、高风险跌倒等级。
[0016]本专利技术与现有技术相比，有益效果是：本专利技术的方法采集用户身体的传感器数据，利用重叠滑动窗方法将传感器数据分割为短时间和长时间特征组，长短时间特征分别提供完整和局部的时序信息，减少了在识别过程中时间信息缺失造成的影响。再利用线性卷积层处理短时间特征，将时间位置信息嵌入卷积层输出送入Transformer 编码层处理长时间特征，最终由全连接层计算而得跌倒分类结果。本方法的重叠滑动窗的处理方式减少了该跌倒检测方法对特定传感器的依赖程度，提高了鲁棒性。同时低的空间和时间复杂度在快速的得出计算结果的同时也可以减少硬件资源的使用。
附图说明
[0017]图1是本申请实施例的滑动窗特征的处理示意图；图2是本申请实施例的线性投影层的输入示意图；图3是本申请实施例的Transformer编码器子层的结构示意图；图4是本申请实施例的一种跌倒检测系统的系统结构示意图；
图5是本申请实施例的一种跌倒检测系统的判断流程图。
具体实施方式
[0018]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0019]在下述介绍中，提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
[0020]下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
[0021]为了便于更好地理解本申请实施例，在对本申请的具体实施方式进行详细地解释说明之前，先对与本申请实施方式相近的现有技术予以说明。
[0022]现有技术公开了一种处理时间序列的Transformer方法，该方法用于自然语言处理领域，它采用基于注意力机制代替了传统方法的递归和卷积处理，具有并行性。这使得该架构在计算上比RNN(循环神经网络)高效。在序列建模时保留序列中元素的顺序，Transformer引入本文档来自技高网...

【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，方法具体包括如下步骤：S1、获取用户的两个三轴加速计和一个三轴陀螺仪数据；S2、将所述两个三轴加速计和一个三轴陀螺仪数据以指定窗口大小及重叠率进行滑动窗特征提取，每次特征提取生成一个所述指定窗口大小的样本矩阵，由同一个所述三轴加速计或三轴陀螺仪生成的全部样本矩阵组成一个判决序列；S3、将所述两个三轴加速计和一个三轴陀螺仪生成的判决序列堆叠为一个多通道输入序列；S4、将所述多通道输入序列输入线性投影层，得到线性投影矩阵；S5、将所述线性投影矩阵输入Transformer编码层，根据所述Transformer编码层的输出计算跌倒状态软概率，并将Transformer编码层的输出输入至分类层，在所述分类层的输出端得到所述用户跌倒和非跌倒的二分类结果；S6、根据所述跌倒和非跌倒的二分类结果判断用户是否跌倒。2.如权利要求1所述的一种跌倒检测方法，其特征在于，所述Transformer编码层由三个相同的Transformer编码器堆叠，每个所述Transformer编码器之间使用一个残差连接，每个所述Transformer编码器之后还连接归一化层和一个多层感知机。3.如权利要求1所述的一种跌倒检测方法，其特征在于，所述线性投影层的尺寸为所述多通道输入序列的长度+1，所述线性投影层将所述多通道输入序列的顺序编码嵌入所述线性投影矩阵。4.如权利要求1所述的一种跌倒检测方法，其特征在于，所述分类层由一层全连接层组成。5.如权利要求1所述的一种跌倒检测方法，其特征在于，所述步骤S6中，当所述跌...

【专利技术属性】
技术研发人员：吴江，王少兵，戴燕云，吴呈瑜，占敖，程维维，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：