【技术实现步骤摘要】
一种判断人体跌倒方向的方法
[0001]本专利技术涉及医疗监护领域,具体涉及一种判断人体跌倒方向的方法。
技术介绍
[0002]老年人属于跌倒高发人群,一旦发生跌倒,伴随的将是较高的住院率及伤亡率,将会为家庭带来极大的经济负担。如果救治不及时,将直接导致如骨折与瘫痪等病症,还可能间接诱发其他病症。随着“跌倒”日益成为威胁老人生活质量和生命安全的关键因素,老人跌倒的预防和保护愈发引起人们关注。鉴于跌倒的发生具有极大的突然性和随机性,人体的跌倒方向成为研究的重点。
[0003]而大型数据集在人体跌倒方向的研究中使用越来越广泛,为了解释这样的数据集,需要以可解释的方式大幅降低其维度,以便保留数据中的大部分信息。为此已经开发了许多技术,主成分分析法(Principal Component Analysis,PCA)是最古老、应用最广泛的方法之一。它的想法是减少数据集的维度的同时尽可能多地保留“可变性”,保留可变性可以理解是使得数据方差大。在PCA中,降维后的特征需要尽可能反映原始数据中包含的信息,且这些特征应该尽可能相互独立。PCA是基于方差提取最有价值的信息,并保证降维后的特征之间线性无关。PCA可以看作是一种无参技术,即如果不考虑数据清洗,所有人将得到完全相同的降维结果。由于没有主观参数的介入,PCA虽然便于通用实现,但也存在着无法个性化的缺点。同时使用PCA降维需要保证数据服从高斯分布,否则得到的主特征可能不是最优的。
[0004]数据集的增长和更新速度正在不断加快,数据正朝着高维、非结构化的方向发展。
【技术保护点】
【技术特征摘要】
1.一种判断人体跌倒方向的方法,其特征在于,包括以下步骤:1)建立跌倒监测数据库;2)在人体腰部设置一惯性传感器,采集人体的实时角速度、实时加速度作为样本数据,存储在跌倒监测数据库中;所述加速度包括人体在三维坐标系的X、Y、Z轴上的加速度分量,以及由这三个加速度分量组成的加速度向量;3)对各样本数据的所有波峰段数据分别进行特征提取,得到每个样本数据对应的特征向量,形成原始数据特征空间;4)对原始数据特征空间中所有特征向量进行数据标准化处理,得到标准数据特征空间;5)对标准数据特征空间进行降维处理,并采用阈值法对降维处理后的标准数据特征空间进行处理,筛选出符合要求的样本数据,形成跌倒数据集;6)将跌倒数据集通过XGBoost模型判断人体是否处于跌倒状态,当人体处于跌倒状态时,由XGBoost模型筛选出的样本数据组成用于判断人体跌倒方向的跌倒数据子集;7)通过跌倒数据子集中各样本数据的X轴、Z轴的加速度分量判断人体的跌倒方向。2.根据权利要求1所述判断人体跌倒方向的方法,其特征在于,对标准数据特征空间进行降维处理的具体步骤如下:
⑴
采用公开数据集对XGBoost模型进行训练,得到XGBoost降维处理模型,并设置特征维度最小阈值;
⑵
将标准数据特征空间作为当前特征空间;(3)利用XGBoost降维处理模型得到当前特征空间中各特征向量的权重,作为当前特征空间中各特征向量的特征重要度;
⑷
按特征重要度的大小将对应的特征向量在当前特征空间中降序排列;
⑸
删除当前特征空间中最后一个特征向量,形成新的待处理特征空间;
⑹
重复步骤
⑸
,直到待处理特征空间维度等于特征维度最小阈值,得到特征向量个数不同的多个待处理特征空间,并计算各待处理特征空间的准确率,将准确率最高的待处理特征空间作为最优特征空间;(7)比较最优特征空间与当前特征空间的准确率:a)若最优特征空间的准确率>当前特征空间的准确率,将最优特征空间作为新的当前特征空间,并重复步骤(3)至(7);b)若最优特征空间的准确率≤当前特征空间的准确率,则将当前特征空间作为降维处理后的标准数据特征空间。3.根据权利要求2所述判断人体跌倒方向的方法,其特征在于,所述特征重要度为该特征向量在XGBoost降维处理模型的所有树中被使用的次数。4.根据权利要求1所述判断人体跌倒方向的方法,其特征在于,按照下列公式采用标准化方法作为无量纲化手段,分别对原始数据特征空间中所有特征向量进行数据标准化处理:
式中,mean为特征向量的均值,σ为标准差,x为特征向量,X为标准化处理后特征向量。5.根据权利要求1所述判断人体跌倒方向的方法,其特征在于,所述跌倒数据集通过设置第一判断阈值、第二判断阈值,采用阈值法对降维处理后的标准数据特征空间进行处理得到,具体步骤如下:Ⅰ.当特征向量中的第一时域特征值≤第一判断阈值时,则该特征向量对应的样本数据不符合要求;Ⅱ.当特征向量中的第一时域特征值>第一判断阈值时,若该特征向量中的第二时域特征值≤第二判断阈值,则该特征向量...
【专利技术属性】
技术研发人员:谢芳,黄灏飞,黄智勇,钟代笛,仲元红,葛亮,周庆,
申请(专利权)人:重庆大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。