專(zhuān)利名稱(chēng)：一種監(jiān)測(cè)跌倒的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動(dòng)化檢測(cè)領(lǐng)域，尤其是涉及一種監(jiān)測(cè)跌倒的方法及裝置。
背景技術(shù)：
跌倒是老年人常見(jiàn)的傷害事件，是老年人群傷殘、失能和死亡的主要原因之一，對(duì)老年人的健康和生活威脅甚大，給家庭和社會(huì)帶來(lái)巨大的負(fù)擔(dān)和損失，是老年人重要的衛(wèi)生保健問(wèn)題，也是一個(gè)應(yīng)予重視的社會(huì)問(wèn)題。跌倒是老年人常見(jiàn)的傷害事件，是老年人群傷殘、失能和死亡的主要原因之一，對(duì)老年人的健康和生活威脅甚大，給家庭和社會(huì)帶來(lái)巨大的負(fù)擔(dān)和損失，是老年人重要的衛(wèi)生保健問(wèn)題，也是一個(gè)應(yīng)予重視的社會(huì)問(wèn)題。老年人由于行動(dòng)不便，且?；加懈哐獕骸⒛X卒中、心臟病等疾病，因此跌倒發(fā)生率高、后果嚴(yán)重，成為高齡老年人首位傷害死因。隨著我國(guó)人口老齡化的日趨嚴(yán)重，年輕一代在少子化情況下的生活及工作壓力加大，忙于工作，老齡人的生活起居缺乏有效的照顧和陪護(hù)，使得老年人在跌倒時(shí)不能及時(shí)得到救助，嚴(yán)重危及老年人的生活質(zhì)量和生命安全。因此對(duì)老年人在生活中的跌倒行為進(jìn)行監(jiān)測(cè)，當(dāng)檢測(cè)到老人摔倒時(shí)能及時(shí)報(bào)警和求助，以便于及時(shí)施救，對(duì)提高老年人生活質(zhì)量和保護(hù)老年人身心健康有著重要的意義。目前國(guó)內(nèi)大多數(shù)針對(duì)老年人的技術(shù)研究依然只是停留在醫(yī)療看護(hù)的被動(dòng)層面。而在西方發(fā)達(dá)國(guó)家，特別是美國(guó)、日本。近些年，有許多大學(xué)和研究機(jī)構(gòu)在政府和社會(huì)的支持下在摔倒檢測(cè)技術(shù)方面開(kāi)展了人性化的、以改善老人生活品質(zhì)為目標(biāo)的大量研究工作。目前對(duì)于監(jiān)測(cè)跌倒的方法主要有三類(lèi)基本方法:(I)基于視頻圖像的分析，對(duì)象的實(shí)時(shí)運(yùn)動(dòng)由攝像頭監(jiān)測(cè)，其不足之處是不能保證用戶(hù)的隱私安全，只能在固定場(chǎng)所安裝使用，離開(kāi)攝像頭監(jiān)控范圍就無(wú)法工作。(2)基于聲頻信號(hào)的分析，跌倒事件由分析沖擊導(dǎo)致振動(dòng)的頻率部分判斷，但其安 裝比較復(fù)雜，資金投入也比較大。(3)基于穿戴式的裝置檢測(cè)，主要有兩種:一種是通過(guò)腰部佩戴加速度計(jì)和傾角計(jì)測(cè)量跌倒時(shí)加速度和傾角的變化，再根據(jù)相應(yīng)的實(shí)驗(yàn)和計(jì)算設(shè)定閥值參數(shù)設(shè)定來(lái)判斷人體是否發(fā)生跌倒，但由于傾角計(jì)與加速度計(jì)存在工作時(shí)算法執(zhí)行上的不同步性容易產(chǎn)生誤報(bào)或者漏報(bào)。另一種是通過(guò)在鞋底安裝應(yīng)變傳感器測(cè)量足底受力狀態(tài)或者加速度傳感器測(cè)量腳部的加速度，再根據(jù)支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、等算法來(lái)實(shí)現(xiàn)摔倒檢測(cè)，由于該方法監(jiān)測(cè)跌倒的信號(hào)檢測(cè)方面存在著一些缺陷，從而限制了這些理論上很優(yōu)秀的算法的實(shí)際應(yīng)用效果。基于閾值的識(shí)別算法是目前跌倒識(shí)別研究領(lǐng)域中將為經(jīng)典的研究方法。闡值法的算法設(shè)計(jì)比較直觀，在算法的實(shí)現(xiàn)方面相對(duì)來(lái)說(shuō)也較容易，所以這種方法是目前最普遍的研究方法，它的不足是出閾值的設(shè)定對(duì)識(shí)別結(jié)果影響很大，閾值的取得往往是建立在經(jīng)驗(yàn)或是實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)之上，若是用的是經(jīng)驗(yàn)值便不容易得知閾值的準(zhǔn)確度如何，經(jīng)驗(yàn)閾值法的模糊識(shí)別容易造成的人的個(gè)體差異誤差，識(shí)別模型復(fù)雜度較高
發(fā)明內(nèi)容
有鑒于此，為解決上述技術(shù)問(wèn)題，本提供一種監(jiān)測(cè)跌倒的方法及裝置，基于支持向量機(jī)算法，能夠高效、可靠地解決老年人摔倒行為過(guò)程的檢測(cè)與判別問(wèn)題，可以通過(guò)簡(jiǎn)單的加速度等人體的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)及傾角測(cè)量和處理分析，識(shí)別出跌倒行為。本發(fā)明的所提供的一種監(jiān)測(cè)跌倒的方法，包括下列步驟:I)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型；2)實(shí)時(shí)檢測(cè)人體的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，通過(guò)基于支持向量機(jī)的人體跌倒行為識(shí)別模型，判定人體是否跌倒。3)判定跌倒后的報(bào)警所述構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型進(jìn)一步包括步驟:I) 構(gòu)建特征樣本:采集設(shè)定時(shí)間內(nèi)人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，進(jìn)行預(yù)處理后形成運(yùn)動(dòng)狀態(tài)樣本特征向量，構(gòu)建特征向量庫(kù)；2)訓(xùn)練分類(lèi)器:根據(jù)基于支持向量機(jī)原理，分別用人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)構(gòu)成的特征樣本進(jìn)行訓(xùn)練，得到用于檢測(cè)人體跌倒?fàn)顟B(tài)的支持向量機(jī)模型；3)構(gòu)建跌倒識(shí)別模型:從訓(xùn)練特征樣本中提取用于識(shí)別跌倒行為的標(biāo)準(zhǔn)特征向量，構(gòu)建跌倒模板庫(kù)。優(yōu)選的，所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)為加速度數(shù)據(jù)。優(yōu)選的，所述判定人體是否跌倒進(jìn)一步還包括對(duì)人體軀干傾角是否滿足傾角設(shè)定值的判斷。優(yōu)選的，所述判定人體是否跌倒進(jìn)一步還包括對(duì)人體軀干傾角滿足傾角設(shè)定值的持續(xù)時(shí)間是否達(dá)到設(shè)定持續(xù)時(shí)間的判斷。本發(fā)明進(jìn)一步提供一種監(jiān)測(cè)跌倒的裝置，包括微處理器模塊和與其連接的傳感器模塊、聲音報(bào)警模塊、輸入按鍵；所述的傳感器模塊用于檢測(cè)人體的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)；所述的微處理器模塊，用于接收所述運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，對(duì)數(shù)據(jù)分析處理，判定人體是否發(fā)生跌倒；所述聲音報(bào)警模塊用于發(fā)出報(bào)警聲音；所述輸入按鍵用于向微處理器模塊輸入外部指令和數(shù)據(jù)，設(shè)定微處理器模塊的工作模式；所述的對(duì)數(shù)據(jù)分析處理，判定人體是否發(fā)生跌倒包括:I)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型；2)實(shí)時(shí)接收所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，通過(guò)基于支持向量機(jī)的人體跌倒行為識(shí)別模型，判定人體是否跌倒。所述構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型可進(jìn)一步包括:I)構(gòu)建特征樣本:采集設(shè)定時(shí)間內(nèi)人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，進(jìn)行預(yù)處理后形成運(yùn)動(dòng)狀態(tài)樣本特征向量，構(gòu)建特征向量庫(kù)；2)訓(xùn)練分類(lèi)器:根據(jù)基于支持向量機(jī)原理，分別用人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)構(gòu)成的特征樣本進(jìn)行訓(xùn)練，得到用于檢測(cè)人體跌倒?fàn)顟B(tài)的支持向量機(jī)模型；3)構(gòu)建跌倒識(shí)別模型:從訓(xùn)練特征樣本中提取用于識(shí)別跌倒行為的標(biāo)準(zhǔn)特征向量，構(gòu)建跌倒模板庫(kù)。優(yōu)選的，所述的傳感器模塊為加速度傳感器，所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)為加速度數(shù)據(jù)，所述判定人體是否跌倒還包括對(duì)人體軀干傾角是否滿足傾角設(shè)定值的判斷和對(duì)人體軀干傾角滿足傾角設(shè)定值的持續(xù)時(shí)間是否達(dá)到設(shè)定持續(xù)時(shí)間的判斷，所述的人體軀干傾角通過(guò)對(duì)所述的加速度數(shù)據(jù)運(yùn)算獲得。
所述的一種監(jiān)測(cè)跌倒的裝置還可進(jìn)一步包括與所述的微處理器模塊連接的GPS模塊、無(wú)線通訊模塊；所述GPS模塊用于測(cè)定人體所處的位置，并將位置數(shù)據(jù)傳送給微處理器模塊；所述無(wú)線通訊模塊用于接收微處理器模塊發(fā)出的指令和數(shù)據(jù)，向外報(bào)告人體跌倒的信息和方位。優(yōu)選的，所述的無(wú)線通訊模塊為GSM模塊。本發(fā)明通過(guò)基于支持向量機(jī)采用模式識(shí)別的方法，可有效地濾除各種干擾，降低特征空間的維度，從而大幅提高跌倒檢測(cè)的準(zhǔn)確性和可靠性；同時(shí)本發(fā)明具有很高的性?xún)r(jià)t匕，使用本發(fā)明可以大幅降低產(chǎn)品成本，使用低功耗的傳感器處理器產(chǎn)生可觀的節(jié)能效益，該模塊體積小重量輕易于佩戴方便使用。本發(fā)明的有益效果:1.通過(guò)支持向量實(shí)現(xiàn)利用加速度等人體運(yùn)動(dòng)狀態(tài)數(shù)據(jù)進(jìn)行跌倒檢測(cè)，其模式識(shí)別以及傾角滿足設(shè)定值的聯(lián)合判斷，使得檢測(cè)更加可靠，錯(cuò)報(bào)和誤報(bào)率低，速度快，極大地提高了判斷跌倒正確率。2.運(yùn)用統(tǒng)計(jì)模式識(shí)別的思路來(lái)實(shí)現(xiàn)的跌倒識(shí)別算法，能有效地降低經(jīng)驗(yàn)閾值法模糊識(shí)別造成的人的個(gè)體差異誤差。3.通過(guò)模式識(shí)別的方法，能把人體跌倒的各種特征數(shù)字化的特征描述出來(lái)，較好地反映了跌倒過(guò)程的特征，極大地提高了對(duì)不同跌倒類(lèi)型的識(shí)別能力。4.對(duì)于人體發(fā)生較為復(fù)雜的跌倒行為時(shí)，也能有良好的識(shí)別效果。把發(fā)生跌倒時(shí)的加速度數(shù)字化波形特征存儲(chǔ)起來(lái)，便于系統(tǒng)優(yōu)化，同時(shí)識(shí)別算法易于自學(xué)習(xí)與更新。


圖1，本發(fā)明提出的監(jiān)測(cè)跌倒的方法步驟示意圖；圖2，本發(fā)明提出的監(jiān)測(cè)跌倒的裝置結(jié)構(gòu)示意圖；圖3，構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型算法流程4，跌倒過(guò)程中的加速度變化曲線圖；圖5，六種典型的跌倒類(lèi)型示意圖；圖6，跌倒檢測(cè)流程7，本發(fā)明提出的跌倒檢測(cè)裝置使用佩戴位置示意圖
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步的描述:針對(duì)人體跌倒判別問(wèn)題，依據(jù)模式識(shí)別的思想，采用支持向量機(jī)方法建立跌倒檢測(cè)模型。首先，綜合考慮人體跌倒過(guò)程中的多方面因素，采用主成分分析方法完成對(duì)上軀干合加速度及偏離豎直方向的傾斜角度特征的提取，然后將通過(guò)實(shí)證方法建立跌倒檢測(cè)模型分類(lèi)器篩選出可以作為人體跌倒判斷的特征向量，再通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)確定人體摔倒行為過(guò)程中的上軀干傾角閥值。當(dāng)一個(gè)行為跟跌倒模式類(lèi)具有更好的相似度時(shí)，便可將這個(gè)行為或分為跌倒模式類(lèi)。每個(gè)模式類(lèi)不同于其它模式類(lèi)的衡量指標(biāo)為標(biāo)準(zhǔn)特征向量。跌倒行為是人在生活中可能會(huì)發(fā)生的眾多行為中的一種，有著自身獨(dú)有的特點(diǎn)，與其它的行為如下樓梯、彎腰、 跑歩等等有明顯的區(qū)別，并且這些區(qū)別可以過(guò)一些數(shù)字化的特征描述出來(lái)。數(shù)字化的特征組成模式的特征向量，不同模式的特性向量不同能作為區(qū)分跌倒模式與其它行為模式的判別依據(jù)。由此可以通過(guò)選擇和提取合適的特征值組成特征向量的方法，將跌倒和其它行為區(qū)分開(kāi)來(lái)。如圖1和圖6所示，本發(fā)明的所提供的一種監(jiān)測(cè)跌倒的方法的實(shí)施例，包括下列步驟:(—)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型，如圖3所示，包括步驟:I)構(gòu)建特征樣本:采集設(shè)定時(shí)間內(nèi)人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，進(jìn)行預(yù)處理后形成運(yùn)動(dòng)狀態(tài)樣本特征向量，構(gòu)建特征向量庫(kù)；優(yōu)選的，運(yùn)動(dòng)狀態(tài)數(shù)據(jù)為加速度數(shù)據(jù)。上述的人體不同的行為模式包括人體正常活動(dòng)的狀態(tài)和人體跌倒的狀態(tài)類(lèi)型。人體運(yùn)動(dòng)過(guò)程中，加速度傳感器不同時(shí)刻的坐標(biāo)系隨著人體姿勢(shì)的改變而改變?yōu)榱藴p少運(yùn)算復(fù)雜性，消除不同時(shí)刻加速度輸出值的坐標(biāo)映射關(guān)系，引入合加速度AA(t)
權(quán)利要求
1.一種監(jiān)測(cè)跌倒的方法，其特征是包括下列步驟: 1)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型； 2)實(shí)時(shí)檢測(cè)人體的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，通過(guò)基于支持向量機(jī)的人體跌倒行為識(shí)別模型，判定人體是否跌倒； 3)判定跌倒后的報(bào)警。
2.根據(jù)權(quán)利要求1所述的一種監(jiān)測(cè)跌倒的方法，其特征是，所述構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型包括步驟: 1)構(gòu)建特征樣本:采集設(shè)定時(shí)間內(nèi)人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，進(jìn)行預(yù)處理后形成運(yùn)動(dòng)狀態(tài)樣本特征向量，構(gòu)建特征向量庫(kù)； 2)訓(xùn)練分類(lèi)器:根據(jù)基于支持向量機(jī)原理，分別用人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)構(gòu)成的特征樣本進(jìn)行訓(xùn)練，得到用于檢測(cè)人體跌倒?fàn)顟B(tài)的支持向量機(jī)模型； 3)構(gòu)建跌倒識(shí)別模型:從訓(xùn)練特征樣本中提取用于識(shí)別跌倒行為的標(biāo)準(zhǔn)特征向量，構(gòu)建跌倒模板庫(kù)。
3.根據(jù)權(quán)利要求1、2之一所述的一種監(jiān)測(cè)跌倒的方法，其特征是，所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)為加速度數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的一種監(jiān)測(cè)跌倒的方法，其特征是，所述判定人體是否跌倒還包括對(duì)人體軀干傾角是否滿足傾角設(shè)定值的判斷。
5.根據(jù)權(quán)利要求4所述的一種監(jiān)測(cè)跌倒的方法，其特征是，所述判定人體是否跌倒還包括對(duì)人體軀干傾角滿足傾角設(shè)定值的持續(xù)時(shí)間是否達(dá)到設(shè)定持續(xù)時(shí)間的判斷。
6.一種監(jiān)測(cè)跌倒的裝置，包括微處理器模塊和與其連接的傳感器模塊、聲音報(bào)警模塊、輸入按鍵；所述的傳感器模塊用于檢測(cè)人體的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)；所述的微處理器模塊，用于接收所述運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，對(duì)數(shù)據(jù)分析處理，判定人體是否發(fā)生跌倒；所述聲音報(bào)警模塊用于發(fā)出報(bào)警聲音；所述輸入按鍵用于向微處理器模塊輸入外部指令和數(shù)據(jù)，設(shè)定微處理器模塊的工作模式；其特征是，所述的對(duì)數(shù)據(jù)分析處理，判定人體是否發(fā)生跌倒包括: 1)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型； 2)實(shí)時(shí)接收所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，通過(guò)基于支持向量機(jī)的人體跌倒行為識(shí)別模型，判定人體是否跌倒。
7.根據(jù)權(quán)利要求6所述的一種監(jiān)測(cè)跌倒的裝置，其特征是，所述構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型包括: 1)構(gòu)建特征樣本:采集設(shè)定時(shí)間內(nèi)人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，進(jìn)行預(yù)處理后形成運(yùn)動(dòng)狀態(tài)樣本特征向量，構(gòu)建特征向量庫(kù)； 2)訓(xùn)練分類(lèi)器:根據(jù)基于支持向量機(jī)原理，分別用人體不同行為模式的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)構(gòu)成的特征樣本進(jìn)行訓(xùn)練，得到用于檢測(cè)人體跌倒?fàn)顟B(tài)的支持向量機(jī)檢測(cè)器； 3)構(gòu)建跌倒識(shí)別模型:從訓(xùn)練特征樣本中提取用于識(shí)別跌倒行為的標(biāo)準(zhǔn)特征向量，構(gòu)建跌倒模板庫(kù)。
8.根據(jù)權(quán)利要求6、7之一所述的一種監(jiān)測(cè)跌倒的裝置，其特征是，所述的傳感器模塊為加速度傳感器，所述的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)為加速度數(shù)據(jù)，所述判定人體是否跌倒還包括對(duì)人體軀干傾角是否滿足傾角設(shè)定值的判斷和對(duì)人體軀干傾角滿足傾角設(shè)定值的持續(xù)時(shí)間是否達(dá)到設(shè)定持續(xù)時(shí)間的判斷，所述的人體軀干傾角通過(guò)對(duì)所述的加速度數(shù)據(jù)運(yùn)算獲得。
9.如權(quán)利要求6、7之一所述的一種監(jiān)測(cè)跌倒的裝置，其特征是，還包括與所述的微處理器模塊連接的GPS模塊、無(wú)線通訊模塊；所述GPS模塊用于測(cè)定人體所處的位置，并將位置數(shù)據(jù)傳送給微處理器模塊；所述無(wú)線通訊模塊用于接收微處理器模塊發(fā)出的指令和數(shù)據(jù)，向外報(bào)告人體跌倒的信息和方位。
10.如權(quán)利要求9所述的一種監(jiān)測(cè)跌倒的裝置，其特征是，所述的無(wú)線通訊模塊為GSM模塊。
全文摘要
本發(fā)明一種監(jiān)測(cè)跌倒的方法及裝置，所述的監(jiān)測(cè)跌倒的方法采用模式識(shí)別的方法，通過(guò)構(gòu)建基于支持向量機(jī)的人體跌倒行為識(shí)別模型，篩選出可以作為人體跌倒判斷的標(biāo)準(zhǔn)特征向量，通過(guò)支持向量機(jī)模式識(shí)別以及傾角閥值的聯(lián)合判斷來(lái)識(shí)別人體的跌倒?fàn)顟B(tài)。裝置由加速度傳感器、微控制器、GPS模塊和GSM模塊等組成，通過(guò)所述監(jiān)測(cè)跌倒的方法，對(duì)跌倒過(guò)程中的加速度及傾角數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，能夠正確的識(shí)別出人體跌倒的狀態(tài)，并及時(shí)的把跌倒信息及方位發(fā)送給用戶(hù)的家屬及社區(qū)醫(yī)院的看護(hù)人員，以便及時(shí)施救。本發(fā)明的跌倒檢測(cè)更加可靠，提高了判斷跌倒正確率，有效地降低個(gè)體差異誤差，極大地提高了對(duì)不同跌倒類(lèi)型的識(shí)別能力。
文檔編號(hào)A61B5/11GK103211599SQ20131017429
公開(kāi)日2013年7月24日 申請(qǐng)日期2013年5月13日 優(yōu)先權(quán)日2013年5月13日
發(fā)明者張應(yīng)紅, 梁維杰, 景暉, 鄭驥, 黃博, 唐亮, 徐晉勇, 高成 申請(qǐng)人:桂林電子科技大學(xué)