穿戴式摔倒检测设备的制作方法

本发明涉及行为分析与识别方法领域，特别是一种摔倒检测方法。

背景技术：

21世纪是人口老龄化的时代，目前，世界上所有发达国家都已经进入老龄社会，许多发展中国家正在或即将进入老龄社会。中国是世界上老年人口最多的国家，据数据显示，2004年底，中国60岁及以上老年人口为1.43亿，2014年将达到2亿，2026年将达到3亿，意外摔倒是65岁以上人群主要的健康威胁以及死亡原因，在因摔倒而需要医疗护理的人群中，65岁及以上的占到超过30％，而因摔倒致死的人群中，40％是80岁以上的老者。在超过85岁的人群中，2/3的意外摔倒直接导致死亡。据报告显示，在老年之家和养老院中，66％的居民每年至少会有一次意外摔倒，而这并不包括未报告的情况，因此，这个数字还是可能被低估的。老年人摔倒发生率高、后果严重,已经成为一个严重的医疗问题和社会问题，通过科学的手段有效预测老年人摔倒,从而减小老年人因摔倒带来的伤害已成为全球新的研究热点。

目前，对于人体摔倒检测，从硬件上一般分为基于视觉分析的方法和基于穿戴式传感器分析的方法两种，其中，采用视觉分析的方法进行人体摔倒检测会严重受到外界环境影响，比如光照条件、背景、遮挡大小和摄像机质量等，另外，由于摄像机监测区域有限，被监测的老年人或者病人的活动范围会受到限制，在利用穿戴式传感器检测人体摔倒的研究中，专利cn201220265264.6是采用三轴陀螺仪、三轴磁力计和三轴加速度计三者来确定摔倒行为，计采集到的数据进行多次的融合计算得出融合加速度，从而判断人体是否摔倒，该种计算方法复杂，不能迅速的判断人体摔倒，造价势必昂贵。

技术实现要素：

本发明的发明目的是，针对上述问题，提供一种摔倒检测方法，目的是提高对人体摔倒检测的准确性，简化人体摔倒检测算法。

为达到上述目的，本发明所采用的技术方案是：

提供一种摔倒检测方法，其特征在于包括以下步骤：

步骤s1：通过人体佩戴的传感器采集人体x轴、y轴、z轴三个方向加速度，计算每一时间节点对应人体合加速度a，通过与所述传感器连接的处理系统制作出时间t与合加速度a关系的实时坐标图；

步骤s2：设定标准坐标图，所述标准坐标图为根据人体发生跌倒时，对时间t与合加速度a关系分析作出的坐标图；所述标准摔倒坐标图包括摔倒坐标图、高处摔落坐标图和摔倒昏迷坐标图；

步骤s3：设定撞击标志，若触发所述撞击标志，执行下一步骤；摔倒标志为a>g，所述g为重力加速度；

步骤s4：对实时坐标图分析、处理，与标准坐标图对比；若标准摔倒坐标图被处理系统处理过的实时坐标图相似度大于一阈值，再通过计算amaz/amzx值大小，判定是否发生摔倒、摔倒种类和摔倒程度。

采用上述方法的可以提高人体摔倒的准确性，也可以极大的简化算法，只有在触发撞击标志时，系统才会进行下一步的坐标图对比，系统不用时时处于高负荷的工作中。

进一步的，步骤s1中所述实时坐标图为水平方向为时间t，竖直方向为合加速度a的直角坐标图。

进一步的，步骤s2中所述标准坐标图为水平方向为时间t，竖直方向为合加速度a的直角坐标图。

采用上述两个进一步的方案，其效果在于：采用直角坐标图，直观，简洁，让所述方法简单明了，易被接受。

进一步的，步骤s4中所述固定值大小为90％。

采用上述两个进一步的方案，其效果在于：采用高的相似度，判定更为准确。

进一步的，步骤s4中所述相似度计算方法为：先求出经过处理后的时间t、合加速度a实时坐标图中的曲线与时间t轴形成的阴影面积，再求出标准摔倒坐标图曲线与时间t轴形成的阴影面积，两者比值即为相似度。

采用上述两个进一步的方案，其效果在于：利用阴影面积得出相似度，极大地简化了计算复杂度。

进一步的，步骤s4中amaz/amzx大于或等于1.5为严重摔倒，amaz/amzx不于1.5或大于等于0.7时为一般摔倒。

采用上述两个进一步的方案，其效果在于：可以通过简单的计算，可以分辨出人体摔倒时受到的冲击程度，对不同和摔倒程度，采取不同的求救措施。

由于采用上述技术方案，本发明具有以下有益效果：

1.本发明可以准确地检测到摔倒状态，极大地简化了算法的复杂程度，大大降低了被检测者因为摔倒而导致的严重后果。

2.本发明可以区分的摔倒类型，准确度高，可对不同地摔倒状态采取不同的应对措施，避免对帮助者不必要的麻烦。

3.本发明具有很强的实用价值，算法简单，对硬件要求不高，实施于穿戴方监护设备上，造价便宜，适合推广。

附图说明

图1是本发明步骤框图；

图2是本发明检测到第一实时坐标图；

图3是本发明检测到第二实时坐标图；

图4是本发明检测到第三实时坐标图；

图5是本发明摔倒标准坐标图；

图6是本发明高处摔落标准坐标图；

图7是本发明摔倒昏迷标准坐标图。

具体实施方式

本发明方法具体实施方式步骤如下：

如图1所示，为本实施方法的实施步骤，包括四个步骤，步骤具体如下：

步骤s1中，通过三轴加速度传感器采集人体x轴、y轴、z轴三个方向加速度，此处以人体正前方为x轴正方向，人体正右方为y轴正方向，人体正上方为z轴正方向，x轴、y轴、z轴三轴相互垂。计算人体合加速度a，制作时间t与合加速度a关系的直角坐标图。如图2所示为第一实时直角坐标图，图中水平方向为时间t，竖直方向为合加速度a，图中0～1s,合加速度a在0～1g范围内波动，在1～1.5s秒时，合加速度大小a＝g左右，在随后的0.3秒时间里，合加速度突变到amax＝4g，随后合加速度a为0～0.8g回归到一个较小值范围波动；如图3所示为第二实时直角坐标图，图中水平方向为时间t，竖直方向为合加速度a，图中0～1.7s,合加速度a在0～1g范围内波动，在1.7～2.1s秒时，合加速度大小a快速左右，在随后的0.3秒时间里，合加速度突变到amax＝1.8g，随后合加速度a为0～0.8g回归到一个较小值范围波动；如图4所示为第三实时直角坐标图，图中水平方向为时间t，竖直方向为合加速度a，图中0～1.5s,合加速度a在0～1g范围内波动，在1.5～1.8s秒时，合加速度大小a快速增大突变到amax＝2.5g，随后合加速度a为0；

步骤s2：设定标准坐标图，根据对人体摔倒观察，设定以下几种所述标准坐标图为根据人体发生跌倒时，对时间t与合加速度a关系分析作出的坐标图。如图5所示，为人体摔倒时标准坐标图。图中，摔倒前，有一较底加速范围波动，简化为一直线，摔倒时，以加速开始大幅增加，然后有一短时间突变，加速度到达峰值，后下降到一很小范围波动，简化为一直线。如图6所示，为人体高处摔落标准坐标图，图中相对比摔倒标准坐标图，高处摔落标准坐标图在摔倒前，有一时间段加速度为固定g大小，此处g即为重力加速度。如图7所示，为摔倒昏迷标准坐标图，图中相对比摔倒标准坐标图，在摔倒后，加速度值趋于零，在人体昏迷时，处于静止状态，加速度很小；

步骤s3：设定摔倒标志为a>g，所述g为重力加速度，若触发所述撞击标志，执行下一步骤。这样，检测方法不必实时进行实时图与标准图的对比计算，极大简化了计算方法的复杂度，降低对硬件的要求，节约他资源。

步骤s4：对实时坐标图分析、处理，将小范围波动区域简化为直线，摔倒时仅取撞击标志发生时前后3秒坐标图与标准坐标图对比，实时获取实时坐标图中出来的特征，与所有标准图相比较，相似特征多者为对应摔倒图。如有一时间段为加速度为g。求出经过处理后的时间t、合加速度a实时坐标图中的曲线与时间t轴形成的阴影面积，再求出标准摔倒坐标图曲线与时间t轴形成的阴影面积，两者比值即为相似度。计算amaz/amzx值，大于或等于1.5为严重摔倒，amaz/amzx不于1.5或大于等于0.7时为一般摔倒。

第一实时坐标图中有一加速度a为g，有一突变a,则实时坐标图检测到的摔倒为高处摔落；计算出实时坐标图阴影面积s实＝1.42分辨是否发生摔倒。若标准摔倒坐标图中，高处摔落标准坐标图阴影面积s高＝1.5，相似度1.42/1.5*100％＝94.67％，被处理系统处理过的实时坐标图相似度大于90％，再通过计算amaz/amzx＝2，判定则为摔倒、高处摔倒未昏迷和摔倒程度为严重；第二实时坐标图中有一加速度a有一突变且大于g,则实时坐标图检测到为摔倒；计算出实时坐标图阴影面积s实＝0.95分辨是否发生摔倒。若标准摔倒坐标图中，摔倒标准坐标图阴影面积s高＝1.0，相似度0.95/1.0*100％＝95％，被处理系统处理过的实时坐标图相似度大于90％，再通过计算amaz/amzx＝0.9，判定则为摔倒、未昏迷和摔倒程度为一般；第三实时坐标图中有一加速度a有一突变且大于g,随后加速度为0，则实时坐标图检测到为摔倒昏迷；计算出实时坐标图阴影面积s实＝0.76分辨是否发生摔倒。若标准摔倒坐标图中，摔倒昏迷标准坐标图阴影面积s高＝0.8，相似度0.76/0.8*100％＝95％，被处理系统处理过的实时坐标图相似度大于90％，再通过计算amaz/amzx＝1.3，判定则为摔倒、昏迷和摔倒程度为一般；

上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。