基于神经网络的可穿戴设备进行跌倒检测的方法技术

本发明专利技术公开基于神经网络的可穿戴设备进行跌倒检测的方法，涉及姿态识别技术领域；部署跌倒检测系统至基于神经网络的可穿戴设备，所述跌倒检测系统包括传感器模块、分析模块、存储模块和警报模块，通过传感器模块分别收集加速度、角速度和地理位置信息，综合获取用户运动行为信息，通过分析模块预处理用户运动行为信息，将预处理后的数据特征输入神经网络模型根据跌倒行为以及不同跌倒状态进行分类，分类运动状态包括正常状态、跌倒事件和躺卧事件，通过存储模块存储产生的数据和收集的信息，通过警报模块根据分析模块的运动状态分类识别，判定用户的行为状态为正常状态、跌倒事件或躺卧事件，如果出现跌倒事件，发出警报，并向用户和紧急联系人员发送预警信息。向用户和紧急联系人员发送预警信息。向用户和紧急联系人员发送预警信息。

【技术实现步骤摘要】
基于神经网络的可穿戴设备进行跌倒检测的方法


[0001]本专利技术公开一种方法，涉及姿态识别
，具体地说是基于神经网络的可穿戴设备进行跌倒检测的方法。

技术介绍

[0002]随着人口老龄化和慢性疾病的增加，可穿戴设备成为越来越受欢迎的一种健康监测方式。然而现有的可穿戴设备只能提供简单的步数和心率等数据，跌倒检测仅依靠压力传感器或摄像头等设备，对姿势、视频图像进行识别，存在易误报或漏报的情况，而且存在数据不准确，受限于环境，不便携，用户成本高等问题。

技术实现思路

[0003]本专利技术针对现有技术的问题，提供基于神经网络的可穿戴设备进行跌倒检测的方法，通过采集用户的运动数据，使用神经网络模型对数据进行分析和判定，实现对跌倒事件的及时识别和处理，提高用户的安全性和健康状况。同时，本专利技术还提供了多种警报方式和数据分析服务，以便更好地保障用户的安全和健康。
[0004]本专利技术提出的具体方案是：
[0005]本专利技术提供基于神经网络的可穿戴设备进行跌倒检测的方法，部署跌倒检测系统至基于神经网络的可穿戴设备，所述跌倒检测系统包括传感器模块、分析模块、存储模块和警报模块，
[0006]通过传感器模块分别收集加速度、角速度和地理位置信息，综合获取用户运动行为信息，
[0007]通过分析模块预处理用户运动行为信息，将预处理后用户运动行为信息形成数据集，对数据集增加数据交互项操作，再进行数据频域扩展，所述数据集增加数据交互项操作中对数据集先进行digitize装箱操作，扩充数据量，将原始的数据集和装箱后数据利用hstack函数进行堆叠，采取快速傅里叶变换构建频域信息，将数据集中数据时域信号扩展到频域上，扩充数据特征，增强数据表达的相关性，
[0008]将预处理后的数据特征输入神经网络模型进行特征降维，获得去噪的数据特征，将去噪的数据特征输入分类器进行分类，所述分类器通过卷积神经网络训练，利用Adam算法不断优化参数的神经网络结构，根据跌倒行为以及不同跌倒状态进行分类，分类运动状态包括正常状态、跌倒事件和躺卧事件，
[0009]通过存储模块存储产生的数据和收集的信息，用于后续的数据分析和统计，并构建用户画像级的图表，对用户运动健康数据形成报告，用于用户近期运动和健康状况的反馈，
[0010]通过警报模块根据分析模块的运动状态分类识别，判定用户的行为状态为正常状态、跌倒事件或躺卧事件，如果出现跌倒事件，发出警报，并向用户和紧急联系人员发送预警信息。
[0011]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的方法中所述通过传感器模块分别收集加速度、角速度和地理位置信息，包括：分别根据加速度计、陀螺仪和类GPS地理位置传感器进行加速度、角速度和地理位置信息的采集。
[0012]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的方法中所述通过分析模块进行数据频域扩展，包括：根据快速傅里叶变化来构建频域信息，在分离出来的频域尺度上采用加窗的方式将信号二维展开，根据分离过后的时序信号使用在时间序列上重采样的方法得到时间序列，对时间序列进行空间维度上的排列，组成预处理之后的信号，完成数据集中数据时域信号扩展到频域上。
[0013]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的方法中所述通过分析模块利用Adam算法不断优化参数的神经网络结构，包括：迭代训练神经网络模型，优化参数，优化神经网络结构，并根据分类的评价指标准确率、精度及召回率评价神经网络结构。
[0014]本专利技术还提供基于神经网络的可穿戴设备进行跌倒检测的系统，部署跌倒检测系统至基于神经网络的可穿戴设备，所述跌倒检测系统包括传感器模块、分析模块、存储模块和警报模块，
[0015]传感器模块分别收集加速度、角速度和地理位置信息，综合获取用户运动行为信息，
[0016]分析模块预处理用户运动行为信息，将预处理后用户运动行为信息形成数据集，对数据集增加数据交互项操作，再进行数据频域扩展，所述数据集增加数据交互项操作中对数据集先进行digitize装箱操作，扩充数据量，将原始的数据集和装箱后数据利用hstack函数进行堆叠，采取快速傅里叶变换构建频域信息，将数据集中数据时域信号扩展到频域上，扩充数据特征，增强数据表达的相关性，
[0017]将预处理后的数据特征输入神经网络模型进行特征降维，获得去噪的数据特征，将去噪的数据特征输入分类器进行分类，所述分类器通过卷积神经网络训练，利用Adam算法不断优化参数的神经网络结构，根据跌倒行为以及不同跌倒状态进行分类，分类运动状态包括正常状态、跌倒事件和躺卧事件，
[0018]存储模块存储产生的数据和收集的信息，用于后续的数据分析和统计，并构建用户画像级的图表，对用户运动健康数据形成报告，用于用户近期运动和健康状况的反馈，
[0019]警报模块根据分析模块的运动状态分类识别，判定用户的行为状态为正常状态、跌倒事件或躺卧事件，如果出现跌倒事件，发出警报，并向用户和紧急联系人员发送预警信息。
[0020]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的系统中所述传感器模块分别收集加速度、角速度和地理位置信息，包括：分别根据加速度计、陀螺仪和类GPS地理位置传感器进行加速度、角速度和地理位置信息的采集。
[0021]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的系统中所述分析模块进行数据频域扩展，包括：根据快速傅里叶变化来构建频域信息，在分离出来的频域尺度上采用加窗的方式将信号二维展开，根据分离过后的时序信号使用在时间序列上重采样的方法得到时间序列，对时间序列进行空间维度上的排列，组成预处理之后的信号，完成数据集中数据时域信号扩展到频域上。
[0022]优选地，所述的基于神经网络的可穿戴设备进行跌倒检测的系统中所述分析模块
利用Adam算法不断优化参数的神经网络结构，包括：迭代训练神经网络模型，优化参数，优化神经网络结构，并根据分类的评价指标准确率、精度及召回率评价神经网络结构。
[0023]本专利技术的有益之处是：
[0024]本专利技术提供基于神经网络的可穿戴设备进行跌倒检测的方法，可以实现更为准确、可靠的跌倒检测，具有以下优点：
[0025]1、基于神经网络模型，能够有效地提高跌倒检测的准确性和可靠性。
[0026]2、部署在可穿戴设备上进行数据采集和传输，不受时间和空间限制，操作简便，用户感知度低。
[0027]3、可采用多种不同的传感器和神经网络模型，能够适应不同用户的需求和情况，系统更加灵活。
[0028]4、跌倒检测系统具有实时响应和自动预警的功能，能够及时提醒用户和相关人员，降低跌倒带来的危害。
[0029]5、数据存储和分析功能，可以对用户的运动状态进行长期监测和分析，结合数据清洗和可视化图标的方式，构建用户运动维度画像，可以提供更加全面和有效的健康管理服务。
附图说明
[0030]图1是本专利技术方法应用流程示意图。
具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的可穿戴设备进行跌倒检测的方法，其特征是部署跌倒检测系统至基于神经网络的可穿戴设备，所述跌倒检测系统包括传感器模块、分析模块、存储模块和警报模块，通过传感器模块分别收集加速度、角速度和地理位置信息，综合获取用户运动行为信息，通过分析模块预处理用户运动行为信息，将预处理后用户运动行为信息形成数据集，对数据集增加数据交互项操作，再进行数据频域扩展，所述数据集增加数据交互项操作中对数据集先进行digitize装箱操作，扩充数据量，将原始的数据集和装箱后数据利用hstack函数进行堆叠，采取快速傅里叶变换构建频域信息，将数据集中数据时域信号扩展到频域上，扩充数据特征，增强数据表达的相关性，将预处理后的数据特征输入神经网络模型进行特征降维，获得去噪的数据特征，将去噪的数据特征输入分类器进行分类，所述分类器通过卷积神经网络训练，利用Adam算法不断优化参数的神经网络结构，根据跌倒行为以及不同跌倒状态进行分类，分类运动状态包括正常状态、跌倒事件和躺卧事件，通过存储模块存储产生的数据和收集的信息，用于后续的数据分析和统计，并构建用户画像级的图表，对用户运动健康数据形成报告，用于用户近期运动和健康状况的反馈，通过警报模块根据分析模块的运动状态分类识别，判定用户的行为状态为正常状态、跌倒事件或躺卧事件，如果出现跌倒事件，发出警报，并向用户和紧急联系人员发送预警信息。2.根据权利要求1所述的基于神经网络的可穿戴设备进行跌倒检测的方法，其特征是所述通过传感器模块分别收集加速度、角速度和地理位置信息，包括：分别根据加速度计、陀螺仪和类GPS地理位置传感器进行加速度、角速度和地理位置信息的采集。3.根据权利要求1所述的基于神经网络的可穿戴设备进行跌倒检测的方法，其特征是所述通过分析模块进行数据频域扩展，包括：根据快速傅里叶变化来构建频域信息，在分离出来的频域尺度上采用加窗的方式将信号二维展开，根据分离过后的时序信号使用在时间序列上重采样的方法得到时间序列，对时间序列进行空间维度上的排列，组成预处理之后的信号，完成数据集中数据时域信号扩展到频域上。4.根据权利要求1所述的基于神经网络的可穿戴设备进行跌倒检测的方法，其特征是所述通过分析模块利用Adam算法不断优化参数的神经网络结构，包括：迭代训练神经网络模型，优化参数，优化神经网络结构，并根据分类的评价指标准确率、精度及召回率评价神经网络结构...

【专利技术属性】
技术研发人员：刘纬成，黄洋，陈付祥，魏成龙，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：