(x)=wx+b，即满足如下的约束条件：
式中，w为特征空间中分类超平面的系数向量;b为分类 面的阈值;1为考虑分类误差而引入的松弛因子;C为对于错分样本的惩罚因子。
[0096] 本模型中选用的核函数为径向基函数
，把输入的数据映
射到高维空间中，低维线性不可分问题变成高维线性可分问题，得到每种行为模型的高维 函数，再执行步骤8);
[0097] 8)根据得到的各种行为模型的参数，生成的线性分类器^ 其中，Xi为特征向量;Cii为与Xi对应的拉格朗日乘子;b为常量;K(Xi，x)为非线性映射对应的 核函数;构建出分类器;为类别标签;N为训练样本的个数；
[0098] 9)将步骤5)中得到的特征向量作为输入，利用步骤8)得到的分类器，进行分类判 另IJ，若f(x)<〇,表示识别对象处于状态;若f(x)2〇,表示识别对象处于w +1状态；
[0099] 10)判断是否摔倒，根据步骤9)中对象的状态判断，若状态为w+1，判断得出用户跌 倒，执行步骤11)，若状态为I 1判断得出用户没有发生跌倒，返回步骤2);
[0100] 11)跌倒报警，向远端服务器发出报警信号。
[0101]上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
【主权项】
1. 一种基于多普勒探测器和传感器联合的跌倒检测系统，其特征是，包括:传感器检测 装置、多普勒探测装置和远端服务器； 所述传感器检测装置与多普勒探测装置通信，所述多普勒探测装置与远端服务器通 ?目； 所述传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度 数据并传送至多普勒探测装置，所述多普勒探测装置用于检测用户的生命体征数据，并判 断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设 定阈值;根据上述判断结果，利用机器学习的方法确定用户是否跌倒； 所述多普勒探测装置用于将上述用户的生命体征数据、用户的运动方向及在该方向上 的加速度值和倾斜角度数据以及用户是否跌倒的数据传送至远端服务器。2. 如权利要求1所述的一种基于多普勒探测器和传感器联合的跌倒检测系统，其特征 是，所述传感器检测装置包括:三轴加速度计、三轴陀螺仪、三轴磁力计、第一主控单元和第 一无线传输单元;所述第一主控单元分别与三轴加速度计、三轴陀螺仪、三轴磁力计和第一 无线传输单元连接;所述第一主控单元通过第一无线传输单元接收到多普勒探测装置发送 的信号，确定传感器检测装置是否开启监测模式;所述第一主控单元通过第一无线传输单 元将三轴加速度计、三轴陀螺仪和三轴磁力计的数据传送至多普勒探测装置。3. 如权利要求1所述的一种基于多普勒探测器和传感器联合的跌倒检测系统，其特征 是，所述多普勒探测装置包括:多普勒收发单元、第二无线传输单元、信号处理单元、第二主 控单元和报警单元;所述第二主控单元分别与多普勒收发单元、信号处理单元和报警单元 连接，信号处理单元与第二无线传输单元连接。4. 如权利要求3所述的一种基于多普勒探测器和传感器联合的跌倒检测系统，其特征 是，所述多普勒收发单元向用户发射电磁波信号并接收经人体呼吸和心脏跳动引起的回波 信号，通过信号处理单元得到带有呼吸和心率的生命体征数据;第二主控单元根据多普勒 收发单元获得的数据，利用多普勒频移原理判断是否有人进来，如果有人进来，则开启监测 装置； 第二主控单元接收传感器检测装置发来的确认用户的运动方向及在该方向上的加速 度值和倾斜角度数据，判断用户的运动方向，用户的加速度值及在用户运动方向上的倾斜 角度，同时判断生命体征数据是否正常;根据上述判断结果确认其是否发生可能跌倒，接着 在此基础上利用机器学习的方法判断用户是否的确发生跌倒。5. 如权利要求3所述的一种基于多普勒探测器和传感器联合的跌倒检测系统，其特征 是，所述第二主控单元判断出用户跌倒后，报警单元触发，发出报警信号并将信号传送至远 端服务器。6. -种如权利要求1-5所述的任一基于多普勒探测器和传感器联合的跌倒检测系统的 方法，其特征是，包括以下步骤： 步骤（1):利用多普勒频移的原理，发射电磁波测量信号，当测量信号经过人体胸腔，由 于呼吸和心脏跳动会产生回波； 步骤(2):回波信号经过多普勒探测装置的解调得到生命体征信息，所述生命体征信息 通过分离得到人体的呼吸和心率信号； 步骤(3):系统探测到呼吸和心率信号，向传感器检测装置发送指令，开启监测模式，实 时接收传感器检测装置检测到的人体实时运动数据； 步骤(4):将人体实时运动数据和呼吸心率信号发送给远端服务器，并保存在相应的数 据库中； 步骤(5):多普勒探测装置的主控单元判断用户是否发生跌倒，如果发生跌倒，启动报 警装置，并向远端服务器发送报警命令。7. 如权利要求6所述的基于多普勒探测器和传感器联合的跌倒检测系统的方法，其特 征是，远端服务器接收到报警命令后，向设定监护人的移动终端发送报警信号。8. 如权利要求6所述的基于多普勒探测器和传感器联合的跌倒检测系统的方法，其特 征是，多普勒探测装置的主控单元判断用户是否发生跌倒的方法具体为： 1) 参数初始化，分别设定加速度，陀螺仪旋转角度，磁力计值的阈值，设定用户的呼吸 心率的正常范围； 2) 处理传感器检测装置发送的用户的运动方向及在该方向上的加速度值和倾斜角度 数据和用户的生命体征数据，去除干扰的噪声； 3) 判断用户的加速度，在运动方向上的倾斜角度，及竖值位置的变化是否超出阈值，上 述数据中如果各项数据都超过阈值，执行步骤4)，如果有一项没有超过阈值，返回步骤2); 4) 判断用户的呼吸和心率信号是否正常，若正常，执行步骤5)，若不正常，执行步骤 10); 5) 判断为用户发生可能跌倒，并对加速度值，陀螺仪值，磁力计值计算，进行特征向量 提取； 6) 检查是否存在该用户的行为模型，判断是否需要进行模型训练，若没有该用户的行 为模型，则需要训练模型，执行步骤7);若确定已经存在用户的行为模型，执行步骤8); 7) 分类训练各种行为模型，包括:走路，慢跑，坐，躺，上楼，下楼，坐立，走停;利用支持 向量机作为分类器，选用径向基函数作为核函数，把输入的数据映射到高维空间中，得到各 种行为模型的参数，再执行步骤8); 8) 根据得到的各种行为模型的参数，构建线性分类器f(x); 9) 将步骤5)中得到的特征向量作为输入，利用步骤8)得到的线性分类器，进行分类判 另IJ，若f(x)<〇,表示识别对象处于w-i状态;若f(x)2〇,表示识别对象处于w +1状态； 10) 判断是否摔倒，根据步骤9)中识别对象的状态判断，若状态为w+1，判断得出用户跌 倒，执行步骤11)，若状态为w-i，判断得出用户没有发生跌倒，返回步骤2); 11) 跌倒报警，向远端服务器发出报警信号。9. 如权利要求8所述的基于多普勒探测器和传感器联合的跌倒检测系统的方法，其特 征是，所述步骤5)中，在三轴加速度计、三轴陀螺仪和三轴磁力计传感器信号中，选择设定 时长的滑动窗口，提取的特征向量具体为： T={SMV,SMA,0,E,AI,VI,MaxMin_y,MaxMin_z}; 其中，SMV为合加速度的峰值;SMA为加速度信号幅度变化区域；Θ为身体的倾斜角度;E 为合加速度的能量;AI为合加速度的均值;VI为合加速度的方差;MaxMin_yS三轴陀螺仪值 经巴特沃斯滤波器滤波后的水平方向角度变化范围;MaxMin_z为三轴陀螺仪值经巴特沃斯 滤波器滤波后的垂直方向角度变化的范围。10. 如权利要求8所述的基于多普勒探测器和传感器联合的跌倒检测系统的方法，其特 征是，所述步骤8)中，构建的线性分类器f(x)具体为：其中，Xi为特征向量;ai为与Xi对应的拉格朗日乘子;b为常量;K(Xi，X)为非线性映射对 应的核函数;yi为类别标签;N为训练样本的个数。
【专利摘要】本发明公开了一种基于多普勒探测器与传感器联合的跌倒检测系统和方法，包括：传感器检测装置、多普勒探测装置和远端服务器；传感器检测装置与多普勒探测装置通信，多普勒探测装置与远端服务器通信；传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度数据并传送至多普勒探测装置，多普勒探测装置用于检测用户的生命体征数据，并判断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设定阈值；根据上述判断结果，利用机器学习的方法确定用户是否跌倒；本发明实现了生理信息的监测及精确有效地判别跌倒检测，降低了佩戴传感器的硬件要求。
【IPC分类】A61B5/024, A61B5/08, A61B5/11
【公开号】CN105708470
【申请号】CN201610040326
【发明人】刘治, 王承祥, 宋佳花, 杨明, 舒明雷
【申请人】山东大学, 山东省计算中心（国家超级计算济南中心）
【公开日】2016年6月29日
【申请日】2016年1月21日