基于EEG的头戴式跌倒检测方法与装置与流程

本发明涉及智能穿戴，尤其涉及一种基于eeg的头戴式跌倒检测方法与装置。

背景技术：

1、跌倒事件通常由于没有及时发现，给老年人造成骨折、半身不遂和慢性病并发症等风险，甚至威胁生命，所以对老年人的跌倒进行及时的发现以及救治是至关重要的。目前，跌倒检测技术主要使用跌倒检测算法来实现，而现有跌倒检测算法主要通过基于视频设备、基于音频设备、基于红外线/雷达设备以及基于可穿戴设备的相关算法对跌倒事件进行检测。基于视频设备的跌倒检测系统识别率高，但在图像数据获取的过程中无法有效保障用户隐私，且成本较高，检测范围较小，具有一定的局限性；基于音频设备的跌倒检测系统容易受到噪声的干扰，识别准确率低；基于红外线/雷达的跌倒检测系统同样成本较高，抗干扰能力弱，无法实现便携要求；基于可穿戴设备的跌倒检测系统能够满足便于携带和保护用户隐私等要求，具有造价低、覆盖范围广和可扩展性强等优点，但仍存在包括准确率较低、设备的佩戴舒适度不良、所需佩戴传感器数目较多及节点能耗等问题急需解决。

2、综上所述，现有跌倒检测技术检测范围小、检测精度低、检测成本高、舒适度以及便携度不理想等技术问题。

技术实现思路

1、为解决上述技术问题，本发明提供如下方案。

2、一方面，本发明提供一种基于eeg的头戴式跌倒检测方法，包括下述步骤：

3、s1、比较容性传感器模块电压信号uc与容性电压阈值thuc，若uc＜thuc，激活跌倒事件检测模块，并跳转至步骤s2；

4、s2、比较三轴加速度信号ax、ay和az的合加速度axyz与加速度阈值thaxyz，若axyz＜thaxyz不成立，跳转至步骤s3；

5、s3、获取eeg传感器模块的2路脑电信号sp1和sp2，并通过数据预处理步骤得到信号sp1c和sp2c，根据信号sp1c和sp2c计算得到三维张量fftp输入至跌倒检测网络模型；

6、s4、判断跌倒检测网络模型的返回结果，在所述返回结果符合跌倒发生阈值时，跌倒事件检测模块向总控中心模块发送跌倒事件ea，并跳转至步骤s5；

7、s5、总控中心模块接收到跌倒事件ea后，进入紧急救助程序以向跌倒用户提供救助。

8、一方面，本发明提供一种头戴式跌倒检测装置，可以运行实现上述任一项所述的方法。头戴式跌倒检测装置包括：eeg传感器模块，容性传感器模块，三轴加速度计模块，计算模块，数据存储模块，跌倒事件检测模块，跌倒检测网络模型，总控中心模块，常开开关，供电模块。其中，用户若正确佩戴所述头戴式跌倒检测装置并锁死卡扣后，则所述常开开关闭合，所述供电模块向所述头戴式跌倒检测装置正常供电；否则，所述常开开关断开，所述头戴式跌倒检测装置因掉电而关闭。所述总控中心模块，包括：通讯模块，输入模块，显示模块，供电模块，定位模块。所述eeg传感器模块，包括：根据10-20国际标准导联系统电极标准放置法将所述eeg模块中的电极设置于fp1和fp2位置，共2个电极，能够采集用户2路eeg信号sp1和sp2。所述三轴加速度计模块，包括：三轴加速度计；当所述头戴式跌倒检测装置正常佩戴于用户头部前额位置时，所述三轴加速度计的x轴正方向为用户正前方，y轴正方向为用户正左方，z轴正方向为用户正上方。

9、一方面，本发明提供一种头戴式跌倒检测设备，包括：

10、存储器，存储计算机程序；

11、处理器，运行所述计算机程序，以实现上述任一项所述的方法。

12、一方面，一种可读储存介质，储存计算机程序，所述计算机程序在处理器运行实现上述任一项所述的方法。

13、与现有技术相比，本发明的有益效果为：

14、本发明提供的基于eeg的头戴式跌倒检测方法，通过比较容性传感器模块电压信号uc与容性电压阈值thuc，若uc＜thuc，激活跌倒事件检测模块，比较三轴加速度信号ax、ay和az的合加速度axyz与加速度阈值thaxyz，若axyz＜thaxyz不成立，获取eeg传感器模块的2路脑电信号sp1和sp2，并通过数据预处理步骤得到信号sp1c和sp2c，根据信号sp1c和sp2c计算得到三维张量fftp输入至跌倒检测网络模型，判断跌倒检测网络模型的返回结果，在所述返回结果符合跌倒发生阈值时，跌倒事件检测模块向总控中心模块发送跌倒事件ea，总控中心模块接收到跌倒事件ea后，进入紧急救助程序以向跌倒用户提供救助，从而扩大检测范围，提升检测精度、降低检测成本，同时，头戴式跌倒检测舒适便携，利于用户使用，为用户提供及时救助。

技术特征：

1.一种基于eeg的头戴式跌倒检测方法，其特征在于，包括下述步骤：

2.如权利要求1所述的方法，其特征在于，步骤s1包括：

3.如权利要求2所述的方法，其特征在于，步骤s2包括：

4.如权利要求3所述的方法，其特征在于，步骤s3包括：

5.如权利要求4所述的方法，其特征在于，步骤s4包括步骤九，步骤九包括下述步骤：

6.如权利要求5所述的方法，其特征在于，步骤s5包括步骤十，步骤十包括下述步骤：

7.如权利要求4所述的方法，其特征在于，所述数据预处理步骤包括下述步骤：

8.如权利要求4所述的方法，其特征在于，跌倒检测网络模型的获取方式包括下述步骤：

9.一种头戴式跌倒检测设备，其特征在于，包括：

10.一种头戴式跌倒检测装置，可以运行实现如权利要求1-8任一项所述的方法；头戴式跌倒检测装置包括：eeg传感器模块，容性传感器模块，三轴加速度计模块，计算模块，数据存储模块，跌倒事件检测模块，跌倒检测网络模型，总控中心模块，常开开关，供电模块；其中，用户若正确佩戴所述头戴式跌倒检测装置并锁死卡扣后，则所述常开开关闭合，所述供电模块向所述头戴式跌倒检测装置正常供电；否则，所述常开开关断开，所述头戴式跌倒检测装置因掉电而关闭；所述总控中心模块包括通讯模块，输入模块，显示模块，供电模块以及定位模块；所述eeg传感器模块包括根据10-20国际标准导联系统电极标准放置法将所述eeg模块中的电极设置于fp1和fp2，共2个电极，能够采集用户2路eeg信号sp1和sp2；所述三轴加速度计模块包括三轴加速度计；当所述头戴式跌倒检测装置正常佩戴于用户头部前额位置时，所述三轴加速度计的x轴正方向为用户正前方，y轴正方向为用户正左方，z轴正方向为用户正上方。

技术总结
本发明属于智能穿戴技术领域，提供的基于EEG的头戴式跌倒检测方法，通过比较容性传感器模块电压信号U<subgt;C</subgt;与容性电压阈值Th<subgt;UC</subgt;，若U<subgt;C</subgt;＜Th<subgt;UC</subgt;，激活跌倒事件检测模块，比较三轴加速度信号A<subgt;X</subgt;、A<subgt;Y</subgt;和A<subgt;Z</subgt;的合加速度A<subgt;XYZ</subgt;与加速度阈值Th<subgt;AXYZ</subgt;，若A<subgt;XYZ</subgt;＜Th<subgt;AXYZ</subgt;不成立，获取EEG传感器模块的2路脑电信号S<subgt;p1</subgt;和S<subgt;p2</subgt;，并通过数据预处理步骤得到信号S<subgt;p1c</subgt;和S<subgt;p2c</subgt;，根据信号S<subgt;p1c</subgt;和S<subgt;p2c</subgt;计算得到三维张量FFT<subgt;p</subgt;输入至跌倒检测网络模型，在跌倒检测网络模型的返回结果符合跌倒发生阈值时，跌倒事件检测模块向总控中心模块发送跌倒事件E<subgt;A</subgt;，以使总控中心模块进入紧急救助程序，从而扩大检测范围，提升检测精度，降低检测成本，头戴式跌倒检测舒适便携，利于用户使用。

技术研发人员：陈达权,肖晓,付洪兵,吴应平
受保护的技术使用者：深圳市奋达智能技术有限公司
技术研发日：
技术公布日：2024/1/15