一種基于三軸加速度傳感器的人體跌倒檢測方法
【專利摘要】本發(fā)明公開了一種基于三軸加速度傳感器的人體跌倒檢測方法。該方法包括：由加速度傳感器采集用戶運動時X、Y、Z三軸加速度數(shù)據(jù)，處理所得數(shù)據(jù)；判斷Y軸加速度峰值是否達到閾值TH1；當Y軸加速度峰值超過TH1時，截取Y軸加速度峰值出現(xiàn)后2s內(nèi)這一時間段，提取時間段內(nèi)的特征，在該時間段用DTW依次對不同時間序列與跌倒行為的特征序列進行匹配，對用戶是否跌倒進行識別。本發(fā)明在檢測跌倒時使用方便，能有效區(qū)分跌倒與日常行為。
【專利說明】
-種基于Ξ軸加速度傳感器的人體跌倒檢測方法
技術(shù)領(lǐng)域：
[0001] 本發(fā)明設(shè)及模式識別與傳感器技術(shù)領(lǐng)域，具體設(shè)及一種基于Ξ軸加速度傳感器的 人體跌倒檢測方法。
【背景技術(shù)】：
[0002] 當今的意外事故中，約有29%是由跌倒直接或間接導(dǎo)致。跌倒輕者會導(dǎo)致傷者擦 傷、骨折，重者甚至導(dǎo)致死亡，尤其對老年人等弱勢群體來講，跌倒是其健康生活的巨大威 脅。醫(yī)學(xué)研究表明：只要人體在跌倒發(fā)生后得到及時救治，就可W避免重大疾病的發(fā)生。因 此，對弱勢群體進行跌倒檢測，最大限度地提高他們的健康水平，節(jié)省醫(yī)療開銷，則是一個 十分重要的醫(yī)療問題和社會問題。
[0003] 目前，檢測跌倒的方法有兩大類：基于環(huán)境遙感技術(shù)的跌倒檢測和基于穿戴式傳 感器的跌倒檢測。（1)基于環(huán)境遙感技術(shù)的跌倒檢測系統(tǒng)通過在特定環(huán)境中放置位置固 定的振動傳感器或者攝像頭獲取人體運動信息進，從振動傳感器獲取周圍一定范圍內(nèi)的地 面振動信號特征，從一個或多個攝像頭獲取人體運動圖像特征，進而通過數(shù)據(jù)挖掘、模式識 另IJ、數(shù)據(jù)融合、小波分析、人工智能等技術(shù)對提取的運動信息進行分析處理，判斷人體是否 發(fā)生跌倒現(xiàn)象。此類方法只在特定環(huán)境中有效，易受環(huán)境干擾，適應(yīng)性差，設(shè)備價格往往較 高，因此不易被用戶接受。（2)基于穿戴式傳感器的跌倒檢測系統(tǒng)，通常是在日常生活用品 中嵌入微型傳感器（加速度傳感器、巧螺儀、壓力傳感器等）放置在人體的頭部、胸部、腰 部、手臂、大腿、足底等位置采集人體的加速度值、角度值、壓力值等信號特征，實時地監(jiān)測 人體活動，在人體的活動參數(shù)有較大改變時通過一定的算法判斷是否發(fā)生了跌倒，一旦發(fā) 生了跌倒，通過無線發(fā)送模塊對運一情況進行定位W及報警?；诖┐魇絺鞲衅鞯牡箼z 測過程不受環(huán)境限制，克服環(huán)境遙感技術(shù)只能限定在一定范圍的問題，靈活性強，具有廣闊 的發(fā)展前景。
[0004] 加速度傳感器相比于巧螺儀、壓力傳感器等其他穿戴式傳感器，具有W下優(yōu)越性： ①巧螺儀只能測量各個軸的方向信息。而加速度傳感器不僅能采集加速度的方向信息，還 能采集加速度的大小信息。②壓力傳感器通常放在足底，缺乏靈活性，一般要與其他傳感器 協(xié)同工作對人體活動進行監(jiān)測。而加速度傳感器可W放置的人體軀干各個部位，識別率高， 可W單獨使用來完成跌倒檢測，已是目前跌倒檢測研究的主要趨勢。

【發(fā)明內(nèi)容】
：
[0005] 技術(shù)問題：本發(fā)明解決的技術(shù)問題在于克服了基于環(huán)境遙感技術(shù)跌倒檢測在使用 環(huán)境上的局限性、適應(yīng)性差、易受干擾的弊端，克服了巧螺儀獲取人體運動信息不全面的弊 端，克服了壓力傳感器靈活性差的缺陷，提供了一種基于Ξ軸加速度傳感器的人體跌倒檢 測方法，檢測方法簡單易行，能較好的從人體的各種行為中檢測出跌倒。
[0006] 技術(shù)方案：本發(fā)明提供了一種基于Ξ軸加速度傳感器的人體跌倒檢測方法，采用 W下技術(shù)方案解決上述技術(shù)問題：
[0007] a.模板生成：
[0008] 1.利用Ξ軸加速度傳感器采集人體在跌倒過程中的Χ、Υ、Ζ Ξ軸加速度數(shù)據(jù)序列。
[0009] 2.對上述采集到的Χ、Υ、Ζ Ξ軸加速度數(shù)據(jù)序列進行預(yù)處理，定義在第t個時刻點 所得原始X、Y、Z Ξ軸加速度數(shù)據(jù)分別為a, (t)、ay (t)、a, (t)，用寬度m為3的滑動平均濾波 器進行平滑去噪預(yù)處理，設(shè)a' x(t)、a' y(t)、a' ,(t)為預(yù)處理之后的Ξ軸加速度，則方 法如式（1)、似（3)所示：
陽01引 3. Υ軸加速度峰值計算公式如（4)所示： 陽014] Ymax= max a/ (t) (4)
[0015] 人體在跌倒過程中，豎直方向上的加速度變化最為明顯，且與日常生活活動的變 化不同，因此首先對Y軸加速度進行分析。判斷Y軸加速度峰值Ym。、是否超過TH1，若Y m。、 > TH1，則執(zhí)行下一步，反之重新采集數(shù)據(jù)。
[0016] 4.從Y軸加速度峰值Ym。、出現(xiàn)開始到Y(jié)m。、出現(xiàn)后2s作為特征提取的時間段，該時 間段內(nèi)有100個數(shù)據(jù)點的特征序列。為了正確將日常行為與別跌倒行為區(qū)分，本發(fā)明對預(yù) 處理后數(shù)據(jù)提取了兩個特征來進行識別，分別是合加速度與傾角。
[0017] ①合加速度
[0018] 合加速度表明人體運動的劇烈程度，其值越大，運動越劇烈。人體在跌倒后2s之 內(nèi)身體動作幅度不會太大，合加速度較小，會在Ig上下波動。在第t個序列點的合加速度 計算公式如（5)所示：
[0019]
(5)
[0020] ②傾角
[0021] 傾角表明人體的傾斜程度，其值越大，傾斜程度越大。當人體處于直立狀態(tài)時傾角 為0°，平躺狀態(tài)時傾角為90°。人體在跌倒后2s之內(nèi)無法自己站立起來，因此跌倒后2s 之內(nèi)處于平躺狀態(tài)，傾角在90°附近波動。第t個序列點的傾角計算公式如（6)所示：
[0022]
(6)
[0023] 5.最終得到四次跌倒行為的特征序列作為樣本模板，設(shè)第i次跌倒行為的特征序 列為Fi，其計算公式如（7)所示：
[0024]
(7) 陽0巧]其中1《i《4，1《t《n，n = 100，i，t e Z。用DTW算法求取i、j兩個模板對 應(yīng)于合加速度與傾角特征序列之間的最小累積距離分別為D(FAi，F(xiàn)Ai)、D(FQi，F(xiàn)Qj)，則i、j 兩個模板之間的距離如式（8)所示： 陽0%] D(i，_]·) = D(FAi，F(xiàn)Aj) +D(FQi，F(xiàn)Qj) (8)
[0027] 用式（8)求取其他兩個模板組合的距離，共有6種組合，根據(jù)公式（9)求取兩個跌 倒行為之間的平均距離：
[0028]
(9)
[0029] 最終將DM W及Fi存入模板庫。 陽〇3〇] b.跌倒檢測：
[0031] 1.用戶完成日常生活中可能出現(xiàn)的行為，用Ξ軸加速度傳感器采集人體在跌倒過 程中的X、Y、Z Ξ軸加速度數(shù)據(jù)ax (t)、ay (t)、a, (t);
[0032] 2.通過式（1) (2) (3)對原始加速度數(shù)據(jù)進行預(yù)處理，得到預(yù)處理后的加速度數(shù)據(jù) a' x(t)、a' y(t)、a' z(t);
[003引3.根據(jù)式（4)求取運動過程中Y軸加速度峰值Ym。,，并判斷式Y(jié)m。,是否超過闊值 TH2,根據(jù)式（10)獲得判斷結(jié)果：
[0034]
(10)
[0035] 若判斷結(jié)果為1，則進入下一步判斷，反之，重新采集數(shù)據(jù)。人體跌倒過程中接 觸地面時Y軸加速度會急劇增加達到最大，通過對Y軸加速度峰值Ym。、大小的檢測，可W知 道人體在豎直方向上的運動是否較為劇烈。
[0036] 4.根據(jù)式（5) (6)提取Y軸加速度峰值Ym。進現(xiàn)開始到Y(jié) m。油現(xiàn)后2s時間段的特 征序列Fp，即合加速度特征序列W及傾角特征序列，如式（11)所示：
[0037]
(11)
[0038] 5.將該行為的特征序列Fp與4組模板的特征序列進行匹配，通過式（8)計算該行 為與第i個跌倒行為模板之間的距離D(p，1)，根據(jù)如下式（12)計算該行為與跌倒行為之 間的平均距離：
[0039]
(12) W40] 6.跌倒行為識別的狀態(tài)標志f2如下式（U)所示：
[0041]
(13)
[0042] 其中DM/DC表明該組行為與跌倒的相似程度，其值越小，說明該組行為越接近于 跌倒行為，對DM/DC設(shè)定闊值，通過判斷是否達到闊值可W識別跌倒行為。若狀態(tài)標志f2為 1，則該行為是跌倒行為，反之，該行為是非跌倒行為。
[0043] 本發(fā)明與現(xiàn)有技術(shù)相比，具有W下優(yōu)點：
[0044] 1.克服了振動傳感器、攝像頭的設(shè)備成本高、使用范圍小、受環(huán)境干擾大等弊端， 采用加速度傳感器可W隨時隨地獲取人體運動信息，不會對用戶的日常生活造成影響，且 成本低，更容易被用戶接受。
[0045] 2.對Υ軸加速度峰值設(shè)定闊值，通過判斷某行為運動過程的Υ軸加速度峰值是否 超過闊值，對行為進行了預(yù)判斷，排除掉與跌倒差距較大運動。
[0046] 3.從人體運動幅度W及人體運動姿態(tài)兩個方面提取了對人體運動區(qū)分度較高的 特征，使用DTW方法對人體運動狀態(tài)進行判斷，能達到較高的識別率，本發(fā)明可W有效識別 跌倒行為。
【附圖說明】：
[0047] 圖1為模板生成流程圖 W48] 圖2為跌倒檢測流程圖
[0049] 圖3為人體動作模型Ξ軸加速度方向圖
[0050] 圖4為提取特征時間段選取圖
【具體實施方式】：
[0051] 人體的日常生活運動主要包括跳躍、跑步、步行、坐下、躺下、彎腰等。本發(fā)明是根 據(jù)人體日常生活運動與跌倒行為的運動特征不同，基于Ξ軸加速度傳感器對跌倒行為進行 檢測。
[0052] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，W下結(jié)合附圖對本發(fā)明一 種基于Ξ軸加速度傳感器的人體跌倒檢測方法進一步詳細說明。應(yīng)當理解，本發(fā)明的實施 方式不限于此。
[0053] 如圖1所示，為本發(fā)明提供的用于建立人體跌倒檢測的匹配模板流程圖，具體步 驟包括：
[0054] 步驟101 :用戶完成跌倒行為，由加速度傳感器采集跌倒過程的Ξ軸加速度數(shù)據(jù)， W水平向左為X軸，垂直向上為Υ軸，水平向前為Ζ軸，Χ、Υ、Ζ Ξ軸互相垂直，Ξ軸方向見圖 3。 陽化5] 步驟102 :對獲得的原始Ξ軸加速度數(shù)據(jù)進行預(yù)處理，即采用滑動平均濾波器進 行平滑去噪處理，處理過程見技術(shù)方案a.模板生成2。
[0056] 步驟103 :提取Y軸加速度峰值Ym。、，判斷Ym。、是否大于TH1，若是，則進行步驟104， 反之進行步驟101。
[0057] 步驟104 :截取Y軸加速度峰值出現(xiàn)時刻開始到Y(jié)軸加速度峰值出現(xiàn)2s運一時間 段T，如圖4所示。
[005引步驟105 :根據(jù)技術(shù)方案中a.模板生成4提取時間段T內(nèi)的合加速度特征序列與 傾角特征序列。
[0059] 步驟106 :判斷滿足上述步驟的跌倒行為次數(shù)是否為4,若是，則進行步驟107,反 之進行步驟101。
[0060] 步驟107 :根據(jù)技術(shù)方案中a.模板生成5建立模板，該模板包括4次跌倒行為的 特征序列W及兩次跌倒行為模板間的平均距離DM。
[0061] 如圖2所示，為本發(fā)明提供的用于對用戶運動進行跌倒檢測流程圖，具體步驟包 括：
[0062] 步驟201 :用戶完成日常中可能出現(xiàn)的活動行為，并采集運動過程的Ξ軸加速度 數(shù)據(jù)。
[0063] 步驟202 :對Ξ軸加速度數(shù)據(jù)進行預(yù)處理。 W64] 步聽203 :提取該行為Υ軸加速度峰值Ym。、，根據(jù)技術(shù)方案中b.跌倒檢測3進行判 斷，若狀態(tài)標志位為1，表明人體在豎直方向上的運動較為劇烈，執(zhí)行步驟204,反之執(zhí)行 步驟201。 W65] 步驟204 :從Y軸加速度峰值出現(xiàn)時刻起T開始計時2s，獲取T時間段內(nèi)的預(yù)處理 后的Ξ軸加速度數(shù)據(jù)。
[0066] 步驟205:提取T時間段內(nèi)Ξ軸加速度數(shù)據(jù)的合加速度特征序列與傾角特征序列。
[0067] 步驟206 :根據(jù)技術(shù)方案中b.跌倒檢測5將該行為的特征序列與模板庫中的4組 跌倒行為依次用DTW方法進行匹配，求得該行為與跌倒行為模板的平均距離DC。根據(jù)根據(jù) 技術(shù)方案中b.跌倒檢測6獲取狀態(tài)標志位f2,若狀態(tài)標志位f2為1，則匹配成功，反之，匹 配失敗。
[0068] 步驟207 :匹配失敗，該行為是非跌倒行為。
[0069] 步驟208 :匹配成功，該行為是跌倒行為。
[0070] 步驟209 :跌倒行為，進行報警。
【主權(quán)項】
1. 一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在于，該方法包含模板生 成與跌倒檢測兩部分，具體步驟如下： a. 模板生成： 步驟（1):用戶完成跌倒行為，通過加速度傳感器獲取人體運動過程中Χ、γ、ζ三軸加速 度數(shù)據(jù)； 步驟（2):對采集到的原始三軸加速度數(shù)據(jù)進行預(yù)處理； 步驟（3):提取經(jīng)過預(yù)處理后的Υ軸加速度峰值￥_，判斷￥_是否超過閾值THl，gY_ >TH1，則執(zhí)行步驟（4);反之，執(zhí)行步驟（1); 步驟（4):提取特定時間段的特征，并生成匹配模板； b. 跌倒檢測： 步驟（5):用戶完成日常生活中可能出現(xiàn)的行為，獲取三軸加速度數(shù)據(jù)； 步驟（6):對獲取的原始三軸加速度數(shù)據(jù)進行預(yù)處理； 步驟（7):提取經(jīng)過預(yù)處理后的Y軸加速度峰值Y_，判斷Y_是否超過閾值TH1，若Y_ >ΤΗ1，則執(zhí)行步驟（8)，反之，執(zhí)行步驟（5); 步驟（8):提取特定時間段的特征； 步驟（9):用DTW依次對特定時間段內(nèi)不同時間序列與生成的模板進行匹配，判斷用戶 是否跌倒。2. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，步驟（2)與步驟（6)所述對采集的原始三軸加速度進行預(yù)處理為平滑去噪處理。3. 根據(jù)權(quán)利要求2所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，所述平滑去噪處理為滑動平均濾波。4. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，步驟（4)與步驟（8)所述提取的特征包括人體運動幅度參數(shù)、人體姿態(tài)參數(shù)。5. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，生成匹配模板以及跌倒檢測時，由預(yù)處理后所得三軸加速度數(shù)據(jù)提取特征序列。6. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，步驟（4)、步驟（8)與步驟（9)所述特定時間段為Υ軸加速度峰值出現(xiàn)開始到Υ軸加速 度峰值出現(xiàn)后2s內(nèi)這一時間段。7. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的人體跌倒檢測方法，其特征在 于，步驟（4)、步驟（9)所述的匹配模板包括4組人體跌倒行為的特征序列，以及跌倒行為與 跌倒行為之間的平均距離。
【文檔編號】G08B21/04GK105989694SQ201510074961
【公開日】2016年10月5日
【申請日】2015年2月5日
【發(fā)明人】孫子文, 孫曉雯
【申請人】江南大學(xué)