一种基于三轴加速度传感器的人体跌倒检测方法
【专利摘要】本发明公开了一种基于三轴加速度传感器的人体跌倒检测方法。该方法包括：由加速度传感器采集用户运动时X、Y、Z三轴加速度数据，处理所得数据；判断Y轴加速度峰值是否达到阈值TH1；当Y轴加速度峰值超过TH1时，截取Y轴加速度峰值出现后2s内这一时间段，提取时间段内的特征，在该时间段用DTW依次对不同时间序列与跌倒行为的特征序列进行匹配，对用户是否跌倒进行识别。本发明在检测跌倒时使用方便，能有效区分跌倒与日常行为。
【专利说明】
-种基于Ξ轴加速度传感器的人体跌倒检测方法
技术领域：
[0001] 本发明设及模式识别与传感器技术领域，具体设及一种基于Ξ轴加速度传感器的 人体跌倒检测方法。
【背景技术】：
[0002] 当今的意外事故中，约有29%是由跌倒直接或间接导致。跌倒轻者会导致伤者擦 伤、骨折，重者甚至导致死亡，尤其对老年人等弱势群体来讲，跌倒是其健康生活的巨大威 胁。医学研究表明：只要人体在跌倒发生后得到及时救治，就可W避免重大疾病的发生。因 此，对弱势群体进行跌倒检测，最大限度地提高他们的健康水平，节省医疗开销，则是一个 十分重要的医疗问题和社会问题。
[0003] 目前，检测跌倒的方法有两大类：基于环境遥感技术的跌倒检测和基于穿戴式传 感器的跌倒检测。（1)基于环境遥感技术的跌倒检测系统通过在特定环境中放置位置固 定的振动传感器或者摄像头获取人体运动信息进，从振动传感器获取周围一定范围内的地 面振动信号特征，从一个或多个摄像头获取人体运动图像特征，进而通过数据挖掘、模式识 另IJ、数据融合、小波分析、人工智能等技术对提取的运动信息进行分析处理，判断人体是否 发生跌倒现象。此类方法只在特定环境中有效，易受环境干扰，适应性差，设备价格往往较 高，因此不易被用户接受。（2)基于穿戴式传感器的跌倒检测系统，通常是在日常生活用品 中嵌入微型传感器（加速度传感器、巧螺仪、压力传感器等）放置在人体的头部、胸部、腰 部、手臂、大腿、足底等位置采集人体的加速度值、角度值、压力值等信号特征，实时地监测 人体活动，在人体的活动参数有较大改变时通过一定的算法判断是否发生了跌倒，一旦发 生了跌倒，通过无线发送模块对运一情况进行定位W及报警。基于穿戴式传感器的跌倒检 测过程不受环境限制，克服环境遥感技术只能限定在一定范围的问题，灵活性强，具有广阔 的发展前景。
[0004] 加速度传感器相比于巧螺仪、压力传感器等其他穿戴式传感器，具有W下优越性： ①巧螺仪只能测量各个轴的方向信息。而加速度传感器不仅能采集加速度的方向信息，还 能采集加速度的大小信息。②压力传感器通常放在足底，缺乏灵活性，一般要与其他传感器 协同工作对人体活动进行监测。而加速度传感器可W放置的人体躯干各个部位，识别率高， 可W单独使用来完成跌倒检测，已是目前跌倒检测研究的主要趋势。
【发明内容】
：
[0005] 技术问题：本发明解决的技术问题在于克服了基于环境遥感技术跌倒检测在使用 环境上的局限性、适应性差、易受干扰的弊端，克服了巧螺仪获取人体运动信息不全面的弊 端，克服了压力传感器灵活性差的缺陷，提供了一种基于Ξ轴加速度传感器的人体跌倒检 测方法，检测方法简单易行，能较好的从人体的各种行为中检测出跌倒。
[0006] 技术方案：本发明提供了一种基于Ξ轴加速度传感器的人体跌倒检测方法，采用 W下技术方案解决上述技术问题：
[0007] a.模板生成：
[0008] 1.利用Ξ轴加速度传感器采集人体在跌倒过程中的Χ、Υ、Ζ Ξ轴加速度数据序列。
[0009] 2.对上述采集到的Χ、Υ、Ζ Ξ轴加速度数据序列进行预处理，定义在第t个时刻点 所得原始X、Y、Z Ξ轴加速度数据分别为a, (t)、ay (t)、a, (t)，用宽度m为3的滑动平均滤波 器进行平滑去噪预处理，设a' x(t)、a' y(t)、a' ,(t)为预处理之后的Ξ轴加速度，则方 法如式（1)、似（3)所示：
阳01引 3. Υ轴加速度峰值计算公式如（4)所示： 阳014] Ymax= max a/ (t) (4)
[0015] 人体在跌倒过程中，竖直方向上的加速度变化最为明显，且与日常生活活动的变 化不同，因此首先对Y轴加速度进行分析。判断Y轴加速度峰值Ym。、是否超过TH1，若Y m。、 > TH1，则执行下一步，反之重新采集数据。
[0016] 4.从Y轴加速度峰值Ym。、出现开始到Ym。、出现后2s作为特征提取的时间段，该时 间段内有100个数据点的特征序列。为了正确将日常行为与别跌倒行为区分，本发明对预 处理后数据提取了两个特征来进行识别，分别是合加速度与倾角。
[0017] ①合加速度
[0018] 合加速度表明人体运动的剧烈程度，其值越大，运动越剧烈。人体在跌倒后2s之 内身体动作幅度不会太大，合加速度较小，会在Ig上下波动。在第t个序列点的合加速度 计算公式如（5)所示：
[0019]
(5)
[0020] ②倾角
[0021] 倾角表明人体的倾斜程度，其值越大，倾斜程度越大。当人体处于直立状态时倾角 为0°，平躺状态时倾角为90°。人体在跌倒后2s之内无法自己站立起来，因此跌倒后2s 之内处于平躺状态，倾角在90°附近波动。第t个序列点的倾角计算公式如（6)所示：
[0022]
(6)
[0023] 5.最终得到四次跌倒行为的特征序列作为样本模板，设第i次跌倒行为的特征序 列为Fi，其计算公式如（7)所示：
[0024]
(7) 阳0巧]其中1《i《4，1《t《n，n = 100，i，t e Z。用DTW算法求取i、j两个模板对 应于合加速度与倾角特征序列之间的最小累积距离分别为D(FAi，FAi)、D(FQi，FQj)，则i、j 两个模板之间的距离如式（8)所示： 阳0%] D(i，_]·) = D(FAi，FAj) +D(FQi，FQj) (8)
[0027] 用式（8)求取其他两个模板组合的距离，共有6种组合，根据公式（9)求取两个跌 倒行为之间的平均距离：
[0028]
(9)
[0029] 最终将DM W及Fi存入模板库。 阳〇3〇] b.跌倒检测：
[0031] 1.用户完成日常生活中可能出现的行为，用Ξ轴加速度传感器采集人体在跌倒过 程中的X、Y、Z Ξ轴加速度数据ax (t)、ay (t)、a, (t);
[0032] 2.通过式（1) (2) (3)对原始加速度数据进行预处理，得到预处理后的加速度数据 a' x(t)、a' y(t)、a' z(t);
[003引3.根据式（4)求取运动过程中Y轴加速度峰值Ym。,，并判断式Ym。,是否超过阔值 TH2,根据式（10)获得判断结果：
[0034]
(10)
[0035] 若判断结果为1，则进入下一步判断，反之，重新采集数据。人体跌倒过程中接 触地面时Y轴加速度会急剧增加达到最大，通过对Y轴加速度峰值Ym。、大小的检测，可W知 道人体在竖直方向上的运动是否较为剧烈。
[0036] 4.根据式（5) (6)提取Y轴加速度峰值Ym。进现开始到Y m。油现后2s时间段的特 征序列Fp，即合加速度特征序列W及倾角特征序列，如式（11)所示：
[0037]
(11)
[0038] 5.将该行为的特征序列Fp与4组模板的特征序列进行匹配，通过式（8)计算该行 为与第i个跌倒行为模板之间的距离D(p，1)，根据如下式（12)计算该行为与跌倒行为之 间的平均距离：
[0039]
(12) W40] 6.跌倒行为识别的状态标志f2如下式（U)所示：
[0041]
(13)
[0042] 其中DM/DC表明该组行为与跌倒的相似程度，其值越小，说明该组行为越接近于 跌倒行为，对DM/DC设定阔值，通过判断是否达到阔值可W识别跌倒行为。若状态标志f2为 1，则该行为是跌倒行为，反之，该行为是非跌倒行为。
[0043] 本发明与现有技术相比，具有W下优点：
[0044] 1.克服了振动传感器、摄像头的设备成本高、使用范围小、受环境干扰大等弊端， 采用加速度传感器可W随时随地获取人体运动信息，不会对用户的日常生活造成影响，且 成本低，更容易被用户接受。
[0045] 2.对Υ轴加速度峰值设定阔值，通过判断某行为运动过程的Υ轴加速度峰值是否 超过阔值，对行为进行了预判断，排除掉与跌倒差距较大运动。
[0046] 3.从人体运动幅度W及人体运动姿态两个方面提取了对人体运动区分度较高的 特征，使用DTW方法对人体运动状态进行判断，能达到较高的识别率，本发明可W有效识别 跌倒行为。
【附图说明】：
[0047] 图1为模板生成流程图 W48] 图2为跌倒检测流程图
[0049] 图3为人体动作模型Ξ轴加速度方向图
[0050] 图4为提取特征时间段选取图
【具体实施方式】：
[0051] 人体的日常生活运动主要包括跳跃、跑步、步行、坐下、躺下、弯腰等。本发明是根 据人体日常生活运动与跌倒行为的运动特征不同，基于Ξ轴加速度传感器对跌倒行为进行 检测。
[0052] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图对本发明一 种基于Ξ轴加速度传感器的人体跌倒检测方法进一步详细说明。应当理解，本发明的实施 方式不限于此。
[0053] 如图1所示，为本发明提供的用于建立人体跌倒检测的匹配模板流程图，具体步 骤包括：
[0054] 步骤101 :用户完成跌倒行为，由加速度传感器采集跌倒过程的Ξ轴加速度数据， W水平向左为X轴，垂直向上为Υ轴，水平向前为Ζ轴，Χ、Υ、Ζ Ξ轴互相垂直，Ξ轴方向见图 3。 阳化5] 步骤102 :对获得的原始Ξ轴加速度数据进行预处理，即采用滑动平均滤波器进 行平滑去噪处理，处理过程见技术方案a.模板生成2。
[0056] 步骤103 :提取Y轴加速度峰值Ym。、，判断Ym。、是否大于TH1，若是，则进行步骤104， 反之进行步骤101。
[0057] 步骤104 :截取Y轴加速度峰值出现时刻开始到Y轴加速度峰值出现2s运一时间 段T，如图4所示。
[005引步骤105 :根据技术方案中a.模板生成4提取时间段T内的合加速度特征序列与 倾角特征序列。
[0059] 步骤106 :判断满足上述步骤的跌倒行为次数是否为4,若是，则进行步骤107,反 之进行步骤101。
[0060] 步骤107 :根据技术方案中a.模板生成5建立模板，该模板包括4次跌倒行为的 特征序列W及两次跌倒行为模板间的平均距离DM。
[0061] 如图2所示，为本发明提供的用于对用户运动进行跌倒检测流程图，具体步骤包 括：
[0062] 步骤201 :用户完成日常中可能出现的活动行为，并采集运动过程的Ξ轴加速度 数据。
[0063] 步骤202 :对Ξ轴加速度数据进行预处理。 W64] 步聽203 :提取该行为Υ轴加速度峰值Ym。、，根据技术方案中b.跌倒检测3进行判 断，若状态标志位为1，表明人体在竖直方向上的运动较为剧烈，执行步骤204,反之执行 步骤201。 W65] 步骤204 :从Y轴加速度峰值出现时刻起T开始计时2s，获取T时间段内的预处理 后的Ξ轴加速度数据。
[0066] 步骤205:提取T时间段内Ξ轴加速度数据的合加速度特征序列与倾角特征序列。
[0067] 步骤206 :根据技术方案中b.跌倒检测5将该行为的特征序列与模板库中的4组 跌倒行为依次用DTW方法进行匹配，求得该行为与跌倒行为模板的平均距离DC。根据根据 技术方案中b.跌倒检测6获取状态标志位f2,若状态标志位f2为1，则匹配成功，反之，匹 配失败。
[0068] 步骤207 :匹配失败，该行为是非跌倒行为。
[0069] 步骤208 :匹配成功，该行为是跌倒行为。
[0070] 步骤209 :跌倒行为，进行报警。
【主权项】
1. 一种基于三轴加速度传感器的人体跌倒检测方法，其特征在于，该方法包含模板生 成与跌倒检测两部分，具体步骤如下： a. 模板生成： 步骤（1):用户完成跌倒行为，通过加速度传感器获取人体运动过程中Χ、γ、ζ三轴加速 度数据； 步骤（2):对采集到的原始三轴加速度数据进行预处理； 步骤（3):提取经过预处理后的Υ轴加速度峰值￥_，判断￥_是否超过阈值THl，gY_ >TH1，则执行步骤（4);反之，执行步骤（1); 步骤（4):提取特定时间段的特征，并生成匹配模板； b. 跌倒检测： 步骤（5):用户完成日常生活中可能出现的行为，获取三轴加速度数据； 步骤（6):对获取的原始三轴加速度数据进行预处理； 步骤（7):提取经过预处理后的Y轴加速度峰值Y_，判断Y_是否超过阈值TH1，若Y_ >ΤΗ1，则执行步骤（8)，反之，执行步骤（5); 步骤（8):提取特定时间段的特征； 步骤（9):用DTW依次对特定时间段内不同时间序列与生成的模板进行匹配，判断用户 是否跌倒。2. 根据权利要求1所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，步骤（2)与步骤（6)所述对采集的原始三轴加速度进行预处理为平滑去噪处理。3. 根据权利要求2所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，所述平滑去噪处理为滑动平均滤波。4. 根据权利要求1所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，步骤（4)与步骤（8)所述提取的特征包括人体运动幅度参数、人体姿态参数。5. 根据权利要求1所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，生成匹配模板以及跌倒检测时，由预处理后所得三轴加速度数据提取特征序列。6. 根据权利要求1所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，步骤（4)、步骤（8)与步骤（9)所述特定时间段为Υ轴加速度峰值出现开始到Υ轴加速 度峰值出现后2s内这一时间段。7. 根据权利要求1所述的一种基于三轴加速度传感器的人体跌倒检测方法，其特征在 于，步骤（4)、步骤（9)所述的匹配模板包括4组人体跌倒行为的特征序列，以及跌倒行为与 跌倒行为之间的平均距离。
【文档编号】G08B21/04GK105989694SQ201510074961
【公开日】2016年10月5日
【申请日】2015年2月5日
【发明人】孙子文, 孙晓雯
【申请人】江南大学