一种监测跌倒的方法及装置制造方法及图纸

本发明专利技术一种监测跌倒的方法及装置，所述的监测跌倒的方法采用模式识别的方法，通过构建基于支持向量机的人体跌倒行为识别模型，筛选出可以作为人体跌倒判断的标准特征向量，通过支持向量机模式识别以及倾角阀值的联合判断来识别人体的跌倒状态。装置由加速度传感器、微控制器、GPS模块和GSM模块等组成，通过所述监测跌倒的方法，对跌倒过程中的加速度及倾角数据进行实时监测，能够正确的识别出人体跌倒的状态，并及时的把跌倒信息及方位发送给用户的家属及社区医院的看护人员，以便及时施救。本发明专利技术的跌倒检测更加可靠，提高了判断跌倒正确率，有效地降低个体差异误差，极大地提高了对不同跌倒类型的识别能力。

【技术实现步骤摘要】

本专利技术属于自动化检测领域，尤其是涉及一种监测跌倒的方法及装置。
技术介绍
跌倒是老年人常见的伤害事件，是老年人群伤残、失能和死亡的主要原因之一，对老年人的健康和生活威胁甚大，给家庭和社会带来巨大的负担和损失，是老年人重要的卫生保健问题，也是一个应予重视的社会问题。跌倒是老年人常见的伤害事件，是老年人群伤残、失能和死亡的主要原因之一，对老年人的健康和生活威胁甚大，给家庭和社会带来巨大的负担和损失，是老年人重要的卫生保健问题，也是一个应予重视的社会问题。老年人由于行动不便，且常患有高血压、脑卒中、心脏病等疾病，因此跌倒发生率高、后果严重，成为高龄老年人首位伤害死因。随着我国人口老龄化的日趋严重，年轻一代在少子化情况下的生活及工作压力加大，忙于工作，老龄人的生活起居缺乏有效的照顾和陪护，使得老年人在跌倒时不能及时得到救助，严重危及老年人的生活质量和生命安全。因此对老年人在生活中的跌倒行为进行监测，当检测到老人摔倒时能及时报警和求助，以便于及时施救，对提高老年人生活质量和保护老年人身心健康有着重要的意义。目前国内大多数针对老年人的技术研究依然只是停留在医疗看护的被动层面。而在西方发达国家，特别是美国、日本。近些年，有许多大学和研究机构在政府和社会的支持下在摔倒检测技术方面开展了人性化的、以改善老人生活品质为目标的大量研究工作。目前对于监测跌倒的方法主要有三类基本方法:(I)基于视频图像的分析，对象的实时运动由摄像头监测，其不足之处是不能保证用户的隐私安全，只能在固定场所安装使用，离开摄像头监控范围就无法工作。(2)基于声频信号的分析，跌倒事件由分析冲击导致振动的频率部分判断，但其安 装比较复杂，资金投入也比较大。(3)基于穿戴式的装置检测，主要有两种:一种是通过腰部佩戴加速度计和倾角计测量跌倒时加速度和倾角的变化，再根据相应的实验和计算设定阀值参数设定来判断人体是否发生跌倒，但由于倾角计与加速度计存在工作时算法执行上的不同步性容易产生误报或者漏报。另一种是通过在鞋底安装应变传感器测量足底受力状态或者加速度传感器测量脚部的加速度，再根据支持向量机、神经网络、等算法来实现摔倒检测，由于该方法监测跌倒的信号检测方面存在着一些缺陷，从而限制了这些理论上很优秀的算法的实际应用效果。基于阈值的识别算法是目前跌倒识别研究领域中将为经典的研究方法。阐值法的算法设计比较直观，在算法的实现方面相对来说也较容易，所以这种方法是目前最普遍的研究方法，它的不足是出阈值的设定对识别结果影响很大，阈值的取得往往是建立在经验或是实验数据的基础之上，若是用的是经验值便不容易得知阈值的准确度如何，经验阈值法的模糊识别容易造成的人的个体差异误差，识别模型复杂度较高
技术实现思路
有鉴于此，为解决上述技术问题，本提供一种监测跌倒的方法及装置，基于支持向量机算法，能够高效、可靠地解决老年人摔倒行为过程的检测与判别问题，可以通过简单的加速度等人体的运动状态数据及倾角测量和处理分析，识别出跌倒行为。本专利技术的所提供的一种监测跌倒的方法，包括下列步骤:I)构建基于支持向量机的人体跌倒行为识别模型；2)实时检测人体的运动状态数据，通过基于支持向量机的人体跌倒行为识别模型，判定人体是否跌倒。3)判定跌倒后的报警所述构建基于支持向量机的人体跌倒行为识别模型进一步包括步骤:I) 构建特征样本:采集设定时间内人体不同行为模式的运动状态数据，进行预处理后形成运动状态样本特征向量，构建特征向量库；2)训练分类器:根据基于支持向量机原理，分别用人体不同行为模式的运动状态数据构成的特征样本进行训练，得到用于检测人体跌倒状态的支持向量机模型；3)构建跌倒识别模型:从训练特征样本中提取用于识别跌倒行为的标准特征向量，构建跌倒模板库。优选的，所述的运动状态数据为加速度数据。优选的，所述判定人体是否跌倒进一步还包括对人体躯干倾角是否满足倾角设定值的判断。优选的，所述判定人体是否跌倒进一步还包括对人体躯干倾角满足倾角设定值的持续时间是否达到设定持续时间的判断。本专利技术进一步提供一种监测跌倒的装置，包括微处理器模块和与其连接的传感器模块、声音报警模块、输入按键；所述的传感器模块用于检测人体的运动状态数据；所述的微处理器模块，用于接收所述运动状态数据，对数据分析处理，判定人体是否发生跌倒；所述声音报警模块用于发出报警声音；所述输入按键用于向微处理器模块输入外部指令和数据，设定微处理器模块的工作模式；所述的对数据分析处理，判定人体是否发生跌倒包括:I)构建基于支持向量机的人体跌倒行为识别模型；2)实时接收所述的运动状态数据，通过基于支持向量机的人体跌倒行为识别模型，判定人体是否跌倒。所述构建基于支持向量机的人体跌倒行为识别模型可进一步包括:I)构建特征样本:采集设定时间内人体不同行为模式的运动状态数据，进行预处理后形成运动状态样本特征向量，构建特征向量库；2)训练分类器:根据基于支持向量机原理，分别用人体不同行为模式的运动状态数据构成的特征样本进行训练，得到用于检测人体跌倒状态的支持向量机模型；3)构建跌倒识别模型:从训练特征样本中提取用于识别跌倒行为的标准特征向量，构建跌倒模板库。优选的，所述的传感器模块为加速度传感器，所述的运动状态数据为加速度数据，所述判定人体是否跌倒还包括对人体躯干倾角是否满足倾角设定值的判断和对人体躯干倾角满足倾角设定值的持续时间是否达到设定持续时间的判断，所述的人体躯干倾角通过对所述的加速度数据运算获得。所述的一种监测跌倒的装置还可进一步包括与所述的微处理器模块连接的GPS模块、无线通讯模块；所述GPS模块用于测定人体所处的位置，并将位置数据传送给微处理器模块；所述无线通讯模块用于接收微处理器模块发出的指令和数据，向外报告人体跌倒的信息和方位。优选的，所述的无线通讯模块为GSM模块。本专利技术通过基于支持向量机采用模式识别的方法，可有效地滤除各种干扰，降低特征空间的维度，从而大幅提高跌倒检测的准确性和可靠性；同时本专利技术具有很高的性价t匕，使用本专利技术可以大幅降低产品成本，使用低功耗的传感器处理器产生可观的节能效益，该模块体积小重量轻易于佩戴方便使用。本专利技术的有益效果:1.通过支持向量实现利用加速度等人体运动状态数据进行跌倒检测，其模式识别以及倾角满足设定值的联合判断，使得检测更加可靠，错报和误报率低，速度快，极大地提高了判断跌倒正确率。2.运用统计模式识别的思路来实现的跌倒识别算法，能有效地降低经验阈值法模糊识别造成的人的个体差异误差。3.通过模式识别的方法，能把人体跌倒的各种特征数字化的特征描述出来，较好地反映了跌倒过程的特征，极大地提高了对不同跌倒类型的识别能力。4.对于人体发生较为复杂的跌倒行为时，也能有良好的识别效果。把发生跌倒时的加速度数字化波形特征存储起来，便于系统优化，同时识别算法易于自学习与更新。附图说明图1，本专利技术提出的监测跌倒的方法步骤示意图；图2，本专利技术提出的监测跌倒的装置结构示意图；图3，构建基于支持向量机的人体跌倒行为识别模型算法流程4，跌倒过程中的加速度变化曲线图；图5，六种典型的跌倒类型示意图；图6，跌倒检测流程7，本专利技术提出的跌倒检测装置使用佩戴位置示意图具体实施例方式下面结合附图和具体实施方式对本专利技术作进一步的描述:针对人体跌本文档来自技高网...

【技术保护点】
一种监测跌倒的方法，其特征是包括下列步骤：1)?构建基于支持向量机的人体跌倒行为识别模型；2)实时检测人体的运动状态数据，通过基于支持向量机的人体跌倒行为识别模型，判定人体是否跌倒；3）判定跌倒后的报警。

【技术特征摘要】
1.一种监测跌倒的方法，其特征是包括下列步骤: 1)构建基于支持向量机的人体跌倒行为识别模型； 2)实时检测人体的运动状态数据，通过基于支持向量机的人体跌倒行为识别模型，判定人体是否跌倒； 3)判定跌倒后的报警。2.根据权利要求1所述的一种监测跌倒的方法，其特征是，所述构建基于支持向量机的人体跌倒行为识别模型包括步骤: 1)构建特征样本:采集设定时间内人体不同行为模式的运动状态数据，进行预处理后形成运动状态样本特征向量，构建特征向量库； 2)训练分类器:根据基于支持向量机原理，分别用人体不同行为模式的运动状态数据构成的特征样本进行训练，得到用于检测人体跌倒状态的支持向量机模型； 3)构建跌倒识别模型:从训练特征样本中提取用于识别跌倒行为的标准特征向量，构建跌倒模板库。3.根据权利要求1、2之一所述的一种监测跌倒的方法，其特征是，所述的运动状态数据为加速度数据。4.根据权利要求3所述的一种监测跌倒的方法，其特征是，所述判定人体是否跌倒还包括对人体躯干倾角是否满足倾角设定值的判断。5.根据权利要求4所述的一种监测跌倒的方法，其特征是，所述判定人体是否跌倒还包括对人体躯干倾角满足倾角设定值的持续时间是否达到设定持续时间的判断。6.一种监测跌倒的装置，包括微处理器模块和与其连接的传感器模块、声音报警模块、输入按键；所述的传感器模块用于检测人体的运动状态数据；所述的微处理器模块，用于接收所述运动状态数据，对数据分析处理，判定人体是否发生跌倒；所述声音报警模块用于发出报警声音；所述输入按键用于向微处理器模块输入外部指令和数据，设定微处...

【专利技术属性】
技术研发人员：张应红，梁维杰，景晖，郑骥，黄博，唐亮，徐晋勇，高成，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：