一种人体跌倒检测方法及保护装置的制造方法
【技术领域】
[0001 ]本发明涉及一种人体防护的检测方法及防护装置，具体涉及一种人体路倒的检测 方法以及在检测到人体跌倒时对人体进行保护的装置。
【背景技术】
[0002] 跌倒是老年人常见的一种意外事件，老人常常因跌倒导致各种损伤，例如髋部骨 折、颈部损伤、脑部损伤、以及各种软组织损伤及其它部位骨折等。
[0003] 对人体跌倒事件的检测是进行防护的前提。现有技术中，人体跌倒检测方法主要 有3类:基于视频图像的检测、基于音频或无线电等周围环境信号的检测和基于穿戴式设备 的检测。基于视频图像检测的优点是人体不需要携带任何设备，缺点是视频图像受光线、环 境等的影响较大，检测范围有限并涉及到个人隐私。基于周围环境信号检测的方法受周围 环境的影响较大，无法得到很高的精度，一般只能作为辅助检测方法。基于穿戴式设备检测 的方法因成本低，检测范围大，不受周围环境的影响，是目前研究和实际应用最多的跌倒检 测方法。
[0004] 例如，中国发明专利申请CN102117533A公开了一种人体跌倒检测保护与报警装 置，包括跌倒检测部分、跌倒检测信息传输部分、跌倒位置检测部分和保护气囊。其采用穿 戴式装置，试图通过获取跌倒检测信号来启动保护气囊，但是，与目前的绝大多数跌倒检测 方法一样，采用设定阈值的方法进行检测。其采用了加速度传感器和陀螺仪，定义信号向量 模SVM和运动角速度，
（即为三轴合加速度），设定SVM阈值为1.8g- 2.2g，运动角速度阈值为0.5rad/s-0.55rad/s，当SVM和人体运动角速度超过设定阈值时， 判断人体发生跌倒。采用阈值检测方法属于事后检测，使得跌倒保护装置难以起到作用。
[0005] 通过训练分类器的方法来进行人体状态判断，有可能比普通的阈值法更早地检测 出跌倒的趋势，从而实现事前检测。但是，如何选择分类器使用的特征值，以及采用什么分 类器，是能否真正实现事前检测的关键点。
[0006] 因此，如何实现人体跌倒的事前检测，是目前实现人体跌倒保护所急需解决的问 题。
【发明内容】
[0007] 本发明的发明目的是提供一种人体跌倒检测方法，实现人体跌倒的事前检测，以 给保护装置提供足够的反应时间;本发明的另一发明目的是提供一种采用这种检测方法的 人体跌倒保护装置。
[0008] 为达到上述发明目的，本发明采用的技术方案是:一种人体跌倒检测方法，包括： 1)特征值的获取： ① 使用人体穿戴的三轴加速度仪和三轴陀螺仪进行采样，得到各个采样时间点的采样 数据； ② 根据步骤①得到的采样数据，分别计算获得每个采样时间点的三轴合加速度a、滚 转角)f、俯仰角二，
,ax、ay、a z分别是三轴加速度，以水平面中正交的两个方向 分别作为X轴和y轴，滚转角I是绕X轴的姿态角，俯仰角设是绕y轴的姿态角； ③设置滑动时间窗口的长度和相邻滑动时间窗口的叠加率，获得每一滑动时间窗口内 的各采样点的三轴合加速度的均值和标准差义3?，获得在滑动时间窗口的最后一个采 样点处人体相对于直立状态时的滚转角和俯仰角的变化量的绝对值之和，以该三个参数作 为特征值； 2) 分类器的建立和训练： 采用支持向量机算法构建分类器，以步骤1)获得的三个参数作为分类器的输入特征 值； 由进行训练的人员分别进行日常活动行为和不同的跌倒行为，获取跌倒样本和日常活 动行为样本构成训练集，对分类器进行训练，获得训练后的分类器； 3) 采用训练后的分类器根据获取的人体实际传感数据进行跌倒检测。
[0009] 上述技术方案中，步骤1)之①中，采样频率通常与采用的传感器芯片的性能相关， 采样频率过低将导致滑动时间窗口内的采样点个数不足，从而影响判断效果。因此，采样频 率不小于50Hz。
[0010] 优选的采样频率为100Hz。
[0011] 上述技术方案中，滑动时间窗口的长度为100~300ms，窗口的叠加率为40%~60%。 [0012] 滑动时间窗口的长度为100ms，窗口的叠加率为50%。
[0013] 本发明同时提供一种人体跌倒保护装置，包括跌倒检测装置、保护气囊和驱动装 置，其中，所述跌倒检测装置主要由三轴加速度仪、三轴陀螺仪和控制器构成，所述控制器 中设有上述的训练后的分类器。
[0014] 优选的技术方案，所述跌倒检测装置设置在人体的腰部。
[0015] 上述技术方案中，所述驱动装置包括经过一控制阀与保护气囊连通的压缩气瓶， 所述控制阀由所述控制器控制开闭。
[0016] 所述保护气囊由分别穿戴在人们脆弱部位的多个气囊构成。
[0017] 由于上述技术方案运用，本发明与现有技术相比具有下列优点： 1、本发明通过选择分别与加速度和角速度相关的三个参数，采用支持向量机算法训练 分类器，实现了人体跌倒的事前检测，实验结果表明，跌倒行为的检测率为99.2%，日常活动 行为的检测率为96%，对较为剧烈的日常活动行为，也有较高的检测率，平均前置时间达到 273ms，为跌倒的实时预警以及保护装置的启动提供的反应时间。
[0018] 2、本发明采用压缩气瓶的充气方式给气囊充气，避免了现有技术中采用炸药启动 引起的瞬间冲击力造成的意外伤害，气囊可以作为穿戴设备配置在衣服内的人体的重要位 置，比如髋部，头颈和其他关键位置，对人体起到良好的保护作用。
【附图说明】
[0019] 图1是本发明实施例的方法流程图； 图2是实施例中一次向前跌倒的合加速度曲线图； 图3是实施例中一次向前跌倒的滚转角变化曲线图； 图4是实施例二中一次行走过程的加速度矢量和变化曲线。
【具体实施方式】
[0020] 下面结合附图及实施例对本发明作进一步描述： 实施例:参见图1所示，本实施例提供了一种人体跌倒检测方法，包括:获取训练数据， 进行特征提取，得到训练样本，对分类模型进行训练，得到训练后的分类器。为检测其效果， 获取测试数据，进行特征提取，采用训练后的分类器进行分类决策。
[0021] 其中，进行特征提取时，选择特征值的具体考虑的因素表述如下： 本实施例中的采样频率为100Hz。
[0022] (1)加速度特征的选择： 在人体跌倒过程中，加速度会发生明显变化，考虑到前后左右不同的跌倒方向，取三轴 合加速度：
图2所示是一次向前跌倒的合加速度曲线，可以看出，在跌倒过程中，合加速度先减小 后增大，加速度最大的时刻也就是碰撞地面的时刻，跌倒事前检测就是要在这一时刻前检 测跌倒。从检测到跌倒到碰撞地面之间的时间称为前置时间。相应地，在进行SVM模型训练 和测试的时候，跌倒样本的采集也应该在这一时刻之前，并预留一定的时间。
[0023]考虑合加速度的大小和变化趋势，取长度为n(n个取样点）的滑动时间窗口，抽取 如下加速度特征： (1)合加速度的均值：
:_，i为在某一滑动时间窗口中取样点的序号。
[0024] (2)合加速度的标准差：
本实施例中，η取10,即滑动时间窗口长度为100ms，窗口的叠加率为50%，即当前窗口的 后50%数据作为后一窗口的前50%数据。
[0025] (2)角度特征的选择： 在人体跌倒过程中，人体的姿态角也会发生明显变化，以向东为X轴、向北为y轴、向上 为z轴建立人体三维坐标系，也称为东北天坐标系，绕X轴、y轴和z轴的姿态角分别称为滚转 角γ、俯仰角θ和偏航角Φ。当人体前后跌倒时，γ发生变化，左右跌倒时，θ发生变化。当人体 运动较为剧烈的时候，由于传感器无法区分重力加速度和自身加速度，姿态角不能通过加 速度直接求得，需要进行姿态解算，常用的姿态解算方法是四元数法。
[0026]四元数是由四个元构成的数：
四元数法引入代数学中的四元数这个工具来弥补用欧拉角描述刚体角运动时的不足。 姿态解算的基础是坐标变换，任何姿态变化都可以认为是在瞬间通过三次绕轴转动的角度 合成，这种转动次序是不能变化的，人体的空间姿态可看作依次绕Z轴、y轴、X轴作基本旋转 后的复合结果。经过一系列数学转换，用四元数表示的姿态角为：
[0027] 所以，如果四元数Q确定，则可计算出滚转角γ和俯仰角Θ。经过数学推导，四元数 微分方程可以表示为：
其中_為..::光」:'.，1、__:^:、.;^表不二轴角速度，米用毕卡算法求解该微分方 程，解得：
其中：I是单位矩阵， i^Sx、y、z轴在:|4:為%|采样时间间隔内的角增量。
[0028] 图3所示是一次向前跌倒的滚转角变化曲线，最后的角度是碰撞地面时刻的角度， 可以看出，角度的变化接近90°，同样，向后、向左、向右跌倒时，角度的变化也接近90°。考虑 到不同的跌倒方向，将相