專利名稱：一種基于熱釋電紅外的跌倒檢測(cè)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字家庭技術(shù)領(lǐng)域，具體涉及一種基于熱釋電紅外的跌倒檢測(cè)系統(tǒng)。
背景技術(shù)：
行為識(shí)別作為一種可遠(yuǎn)程識(shí)別的生物認(rèn)證技術(shù)，有廣泛的應(yīng)用背景。跌倒是典型行為(行走、坐、臥、跌倒等)中的一種，是對(duì)人們的生產(chǎn)生活影響相對(duì)較大的一種行為。而跌倒檢測(cè)作為行為識(shí)別的一個(gè)方面，廣泛應(yīng)用于家庭、醫(yī)院、辦公室或工業(yè)環(huán)境等各種重要場(chǎng)所的安全監(jiān)控系統(tǒng)中。跌倒檢測(cè)技術(shù)在某些應(yīng)用場(chǎng)合十分重要。比如，跌倒檢測(cè)作為健康輔助技術(shù)的一個(gè)重要組成部分，對(duì)于在家獨(dú)自生活的老人或醫(yī)院病人，它可將緊急跌倒事件及時(shí)通知照顧者，確保跌倒者將得到緊急援助或治療。這對(duì)于提高他們的生活質(zhì)量或減輕他們跌倒受傷的程度有重要作用。當(dāng)前，在被動(dòng)式熱釋電紅外無(wú)線傳感器網(wǎng)絡(luò)中，人們對(duì)熱釋電紅外監(jiān)控區(qū)域進(jìn)行了分割編碼，在此基礎(chǔ)上對(duì)人體進(jìn)行目標(biāo)檢測(cè)、目標(biāo)分類、目標(biāo)定向、目標(biāo)跟蹤等方面的研究取得了一定的成果。目前的跌倒檢測(cè)方法有各自的缺點(diǎn)，基于穿戴式設(shè)備的跌倒檢測(cè)方法具有強(qiáng)制性，要求使用者必須攜帶穿戴式設(shè)備，給使用者帶來(lái)不便；基于視覺(jué)設(shè)備的跌倒檢測(cè)方法會(huì)涉及到使用者的隱私，在黑暗環(huán)境下不能工作，且設(shè)備價(jià)格相對(duì)較高，計(jì)算量大；基于周圍環(huán)境設(shè)備的跌倒檢測(cè)方法都必須使用壓力或者振動(dòng)傳感器來(lái)測(cè)量使用者的位置，才能對(duì)跌倒作出檢測(cè)。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于熱釋電紅外的跌倒檢測(cè)系統(tǒng)，能夠提高檢測(cè)的靈敏度，并更方便用戶的使用。為了實(shí)現(xiàn)發(fā)明目的，本發(fā)明采用的技術(shù)方案如下本發(fā)明提供一種基于熱釋電紅外的跌倒檢測(cè)系統(tǒng)包括數(shù)據(jù)采集模塊，模數(shù)轉(zhuǎn)換模塊，濾波及去除噪聲模塊，數(shù)據(jù)處理模塊，報(bào)警模塊；所述數(shù)據(jù)采集模塊包括兩個(gè)熱釋電紅外傳感器，用于采集信號(hào)；模數(shù)轉(zhuǎn)換模塊，用于把由熱釋電紅外采集到的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)；濾波及去除噪聲模塊，用于去除各種干擾的影響，減少噪聲帶來(lái)的負(fù)面影響；數(shù)據(jù)處理模塊，用于進(jìn)行檢測(cè)分析，對(duì)跌倒檢測(cè)采用隱馬爾可夫模型HMM模式匹配，得到檢測(cè)結(jié)果，并發(fā)出警報(bào)?？蛇x的，兩個(gè)熱釋電紅外傳感器中，傳感器2監(jiān)測(cè)人體目標(biāo)的上半身，傳感器1監(jiān)測(cè)人體目標(biāo)的下半身，兩傳感器監(jiān)測(cè)區(qū)域的側(cè)視角A都為52. 5°，H為傳感器節(jié)點(diǎn)離地面的垂直距離，D為人體目標(biāo)離傳感器節(jié)點(diǎn)的水平距離?？蛇x的，兩個(gè)熱釋電紅外傳感器中，傳感器2監(jiān)測(cè)人體目標(biāo)的上半身，傳感器1監(jiān)測(cè)人體目標(biāo)的下半身，兩傳感器監(jiān)測(cè)區(qū)域的側(cè)視角A都為52. 5°，H為傳感器節(jié)點(diǎn)離地面的垂直距離，D為人體目標(biāo)離傳感器節(jié)點(diǎn)的水平距離?？蛇x的，進(jìn)行檢測(cè)分析時(shí)，利用HMM進(jìn)行跌倒檢測(cè)主要分為兩個(gè)階段HMM訓(xùn)練階段和HMM識(shí)別階段；在訓(xùn)練階段，對(duì)傳感器節(jié)點(diǎn)采集到的人體目標(biāo)行走數(shù)據(jù)和人體目標(biāo)跌倒數(shù)據(jù)進(jìn)行處理，分別得到多個(gè)行走序列和多個(gè)跌倒序列，然后通過(guò)HMM基本算法中的Baum-welch算法為行走建立HMM行走模型，為跌倒建立HMM跌倒模型，將HMM行走模型和HMM跌倒模型的參數(shù)保存，建立包含兩個(gè)行為模型的模型庫(kù)；在識(shí)別階段，對(duì)通過(guò)相同的信號(hào)處理后得到的未知行為序列，使用HMM基本算法中的前向-后向算法或Viterbi算法，計(jì)算出未知行為序列在模型庫(kù)中的每個(gè)模型參數(shù)條件下的輸出概率，比較各概率的大小，作出未知行為序列屬于哪個(gè)模型的判斷，將行為的識(shí)別結(jié)果輸出。上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果1)相比基于穿戴式設(shè)備的跌倒檢測(cè)方法，要求使用者必須攜帶穿戴式設(shè)備，本發(fā)明不會(huì)給使用者帶來(lái)不便。2)相比基于視覺(jué)設(shè)備的跌倒檢測(cè)方法會(huì)涉及到使用者的隱私，在黑暗環(huán)境下不能工作，本發(fā)明不會(huì)涉及使用者隱私，并能在黑暗環(huán)境下工作。3)設(shè)備價(jià)格相對(duì)便宜，熱釋電紅外采集相比監(jiān)控?cái)z像頭價(jià)格便宜很多。4)跌倒檢測(cè)十分準(zhǔn)確，靈敏度很高。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖1是本發(fā)明的系統(tǒng)示意圖；圖2是本發(fā)明的功能模塊圖；圖3是本發(fā)明的數(shù)據(jù)采集模塊的示意圖；圖4是本發(fā)明的跌倒檢測(cè)模型的基本框架圖；圖5是本發(fā)明的Matlab串口接收與存儲(chǔ)數(shù)據(jù)程序流程圖；圖6是本發(fā)明的基于短時(shí)能量和幅度的雙門限端點(diǎn)檢測(cè)算法示意圖； 圖7是本發(fā)明的方法使用流程圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明提供一種基于熱釋電紅外的檢測(cè)系統(tǒng)，能夠提高檢測(cè)的靈敏度，并更方便用戶的使用。本發(fā)明是將隱馬爾可夫模型HMM(Hidden Markov Model, HMM)模型的普適性與和熱釋電紅外傳感器采集信號(hào)的特點(diǎn)相互結(jié)合，提出了一種基于HMM的熱釋電紅外跌倒檢測(cè)系統(tǒng)。通過(guò)熱釋電紅外跌倒檢測(cè)設(shè)備，去采集去除背景信息后的人體目標(biāo)行為的動(dòng)態(tài)信息， 接著對(duì)采集的數(shù)據(jù)進(jìn)行處理，然后通過(guò)基于HMM的跌倒識(shí)別模型，對(duì)跌倒作出檢測(cè)。在檢測(cè)到跌倒后發(fā)出警報(bào)，通知家屬。圖1是本發(fā)明的系統(tǒng)示意圖。如附圖1所示，本發(fā)明用熱釋電紅外傳感器采集人體熱源數(shù)據(jù)，經(jīng)過(guò)模數(shù)轉(zhuǎn)換，濾波及去除噪聲處理后，傳送到數(shù)據(jù)處理器處理，利用HMM進(jìn)行跌倒檢測(cè)，如判斷有人跌倒， 則發(fā)出警報(bào)。圖2是本發(fā)明的功能模塊圖。如圖2所示，本跌倒檢測(cè)系統(tǒng)包括數(shù)據(jù)采集模塊，模數(shù)轉(zhuǎn)換模塊，濾波及去除噪聲模塊，數(shù)據(jù)處理模塊，報(bào)警模塊。各模塊的層次關(guān)系如圖所示。圖3是本發(fā)明的數(shù)據(jù)采集模塊的示意圖。如圖3所示，包括傳感器1和傳感器2 是傳感器節(jié)點(diǎn)(節(jié)點(diǎn)安裝在墻上)中的兩個(gè)熱釋電紅外傳感器。傳感器2監(jiān)測(cè)人體目標(biāo)的上半身，傳感器1監(jiān)測(cè)人體目標(biāo)的下半身，兩傳感器監(jiān)測(cè)區(qū)域的側(cè)視角A都為52. 5°，H為傳感器節(jié)點(diǎn)離地面的垂直距離，D為人體目標(biāo)離傳感器節(jié)點(diǎn)的水平距離。人體目標(biāo)離熱釋電紅外傳感器的距離、人體目標(biāo)運(yùn)動(dòng)的速度、人體目標(biāo)的熱源分布對(duì)熱釋電紅外傳感器的輸出起決定性作用。下面分析人體目標(biāo)在行走和跌倒兩種情況下，兩傳感器電壓輸出值的特點(diǎn)。人體目標(biāo)在正常行走時(shí)，其上半身和下半身都在運(yùn)動(dòng)，整體前進(jìn)速度相差不大，監(jiān)測(cè)下半身的傳感器1和監(jiān)測(cè)上半身的傳感器2的電壓輸出值大小的特征，有以下兩點(diǎn)細(xì)節(jié)
需要考慮1)雙腳運(yùn)動(dòng)交替變化的頻率相對(duì)于上半身來(lái)說(shuō)比較大，因此，理論上來(lái)說(shuō)傳感器 1接收的紅外輻射能量的變化量變化的頻率比傳感器2大，傳感器1的電壓輸出值比傳感器 2的電壓輸出值大。2)上半身的熱源分布范圍比下半身的熱源分布范圍大，傳感器2通過(guò)菲涅爾透鏡接收的上半身的紅外輻射能量的變化量必然比傳感器1接收的紅外輻射能量的變化量大， 因此，理論上傳感器2的電壓輸出值應(yīng)該比傳感器1的電壓輸出值大?；谝陨蟽煞矫婵紤]，人體目標(biāo)正常行走時(shí)，傳感器1和傳感器2的輸出值應(yīng)該相差不大。采集的大多數(shù)數(shù)據(jù)與此結(jié)論相符合。人體目標(biāo)在跌倒時(shí)，兩傳感器的電壓輸出值大小的特征比較明顯。1)跌倒行為發(fā)生前期，短時(shí)間內(nèi)，上半身首先發(fā)生傾斜，且由于它的熱源分布大、 幅度大、速度快，傳感器2的電壓輸出值會(huì)先達(dá)到一個(gè)峰值，且峰值的幅度會(huì)較大，而此時(shí)傳感器1在這段時(shí)間內(nèi)的電壓輸出值大小與行走時(shí)相同。2)在跌倒動(dòng)作發(fā)生后期，人體上半身降到傳感器1的監(jiān)測(cè)區(qū)域，同樣因上半身熱源分布大、幅度大、速度快，加上雙腳的熱源分布和速度，故此時(shí)傳感器1的輸出值應(yīng)該達(dá)到一個(gè)峰值，且幅度較大，而傳感器2的輸出值則相對(duì)較小。表1正常行走和跌倒時(shí)傳感器1和傳感器2的輸出值的特點(diǎn)
權(quán)利要求
1.一種基于熱釋電紅外的跌倒檢測(cè)系統(tǒng)，其特征在于該系統(tǒng)是將隱馬爾可夫模型HMM的普適性與和熱釋電紅外傳感器采集信號(hào)的特點(diǎn)相互結(jié)合，提出了一種基于HMM的熱釋電紅外跌倒檢測(cè)系統(tǒng)；通過(guò)熱釋電紅外跌倒檢測(cè)設(shè)備， 去采集去除背景信息后的人體目標(biāo)行為的動(dòng)態(tài)信息，接著對(duì)采集的數(shù)據(jù)進(jìn)行處理，然后通過(guò)基于HMM的跌倒識(shí)別模型，對(duì)跌倒作出檢測(cè)；在檢測(cè)到跌倒后發(fā)出警報(bào)；該系統(tǒng)包括數(shù)據(jù)采集模塊，模數(shù)轉(zhuǎn)換模塊，濾波及去除噪聲模塊，數(shù)據(jù)處理模塊，報(bào)警模塊；所述數(shù)據(jù)采集模塊包括兩個(gè)熱釋電紅外傳感器，用于采集信號(hào)；模數(shù)轉(zhuǎn)換模塊，用于把由熱釋電紅外采集到的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)；濾波及去除噪聲模塊，用于去除各種干擾的影響，減少噪聲帶來(lái)的負(fù)面影響；數(shù)據(jù)處理模塊，用于進(jìn)行檢測(cè)分析，對(duì)跌倒檢測(cè)采用隱馬爾可夫模型HMM模式匹配，得到檢測(cè)結(jié)果，并發(fā)出警報(bào)。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于兩個(gè)熱釋電紅外傳感器中，傳感器2監(jiān)測(cè)人體目標(biāo)的上半身，傳感器1監(jiān)測(cè)人體目標(biāo)的下半身，兩傳感器監(jiān)測(cè)區(qū)域的側(cè)視角A都為52. 5°，H為傳感器節(jié)點(diǎn)離地面的垂直距離，D 為人體目標(biāo)離傳感器節(jié)點(diǎn)的水平距離。
3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于利用HMM進(jìn)行跌倒檢測(cè)主要分為兩個(gè)階段HMM訓(xùn)練階段和HMM識(shí)別階段；在訓(xùn)練階段，對(duì)傳感器節(jié)點(diǎn)采集到的人體目標(biāo)行走數(shù)據(jù)和人體目標(biāo)跌倒數(shù)據(jù)進(jìn)行處理，分別得到多個(gè)行走序列和多個(gè)跌倒序列，然后通過(guò)HMM基本算法中的Baum-welch算法為行走建立HMM行走模型，為跌倒建立HMM跌倒模型，將HMM行走模型和HMM跌倒模型的參數(shù)保存，建立包含兩個(gè)行為模型的模型庫(kù)；在識(shí)別階段，對(duì)通過(guò)相同的信號(hào)處理后得到的未知行為序列，使用HMM基本算法中的前向-后向算法或Viterbi算法，計(jì)算出未知行為序列在模型庫(kù)中的每個(gè)模型參數(shù)條件下的輸出概率，比較各概率的大小，作出未知行為序列屬于哪個(gè)模型的判斷，將行為的識(shí)別結(jié)果輸出。
4.根據(jù)權(quán)利要求1或3所述的系統(tǒng)，其特征在于人體目標(biāo)行為序列的提取采用基于短時(shí)能量和最大幅度的雙門限端點(diǎn)檢測(cè)算法和人體目標(biāo)行為序列協(xié)同算法，目的是從采集到的信號(hào)中，找出所有行為序列的的起始點(diǎn)及結(jié)束點(diǎn)，從而只存儲(chǔ)和處理有效的紅外信號(hào)；基于短時(shí)能量和幅度的雙門限端點(diǎn)檢測(cè)算法能找出所給的一路信號(hào)中的第一個(gè)人體目標(biāo)運(yùn)動(dòng)的有用信號(hào)段，其具體的算法包括以下步驟·51、初始化，將信號(hào)歸一化，設(shè)置短時(shí)能量門限值和一個(gè)電壓門限值；·52、將采集的信號(hào)進(jìn)行分幀，每25個(gè)采樣點(diǎn)為一幀，幀移為5，并計(jì)算出每個(gè)分幀信號(hào)的短時(shí)能量；·53、按時(shí)間順序，找出一個(gè)由一定數(shù)量的連續(xù)的超過(guò)門限值的分幀信號(hào)組成的可能的有用信號(hào)段，找不到則退出程序，能找到則執(zhí)行第4步；·54、判斷第S3步找到的可能的有用信號(hào)段中的最大電壓值是否大于電壓門限值，如果大于則該可能的有用新號(hào)段被定為第一個(gè)人體目標(biāo)行為信號(hào)段，如果不大于則程序返回第 S3步，依時(shí)間順序，繼續(xù)尋找下一個(gè)可能的有用信號(hào)段。
全文摘要
本發(fā)明公開(kāi)一種基于熱釋電紅外的檢測(cè)系統(tǒng)。該系統(tǒng)包括數(shù)據(jù)采集模塊，模數(shù)轉(zhuǎn)換模塊，濾波及去除噪聲模塊，數(shù)據(jù)處理模塊，報(bào)警模塊；所述數(shù)據(jù)采集模塊包括兩個(gè)熱釋電紅外傳感器，用于采集信號(hào)；模數(shù)轉(zhuǎn)換模塊，用于把由熱釋電紅外采集到的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)；濾波及去除噪聲模塊，用于去除各種干擾的影響，減少噪聲帶來(lái)的負(fù)面影響；數(shù)據(jù)處理模塊，用于進(jìn)行檢測(cè)分析，對(duì)跌倒檢測(cè)采用隱馬爾可夫模型HMM模式匹配，得到檢測(cè)結(jié)果，并發(fā)出警報(bào)。本發(fā)明技術(shù)方案不需要用戶使用穿戴式設(shè)備，不涉及用戶隱私，能在黑暗環(huán)境中工作，而且靈敏度高，因此給用戶帶來(lái)極大方便。
文檔編號(hào)G08B21/04GK102289911SQ201110202549
公開(kāi)日2011年12月21日 申請(qǐng)日期2011年7月19日 優(yōu)先權(quán)日2011年7月19日
發(fā)明者劉海亮, 楊艾琳 申請(qǐng)人:中山大學(xué)深圳研究院