专利名称：基于几何代数的老人跌倒状态建模、特征提取及识别方法
技术领域：
本发明涉及一种基于Clifford几何代数的老人跌倒状态识别方法，属于信号处理与模式识别技术领域。
背景技术：
21世纪刚刚拉开帷幕，老龄化浪潮已经席卷全球，当今社会更是被称为“银发时代”。人口的老龄化是一种全球性的发展趋势，中国也是如此。根据中国人口信息研究中心的调查统计，2000年中国60岁以上人口比例为10.31%，65岁以上人口占总人口的比例为
7.17%,根据联合国的调查预测，2030年中国65岁及以上高龄人口将占总人口的15.7%。另夕卜，随着社会经济的发展，居住方式的变化，家庭结构的小型化，以及人口流动的加速，子女数的减少，代际居住的分离倾向，人口预期寿命的延长，空巢家庭将成为我国老年人家庭的主要形式，预期到了 2030年空巢老年人家庭的比例将达到90%，届时我国老年人家庭将空巢化。在越来越多的老年空巢家庭当中，很多老人随着年龄的增加，人体解剖组织结构和生理代谢发生一系列变化，机体功能衰退，应变能力减退，常常会造成老年人的意外跌倒事故。很多疾病也会引起老人的跌倒。因此，解决“空巢家庭”中老年人的跌倒检测问题将日趋突出。在现有方法中，跌倒检测，以加速度检测为主，配合倾角检测、足底压力检测等实现跌倒状态数据采集。配合支持向量机(SVM)等分类器实现跌倒状态识别。国内外现有老人跌倒检测研究中，一般采用三轴加速度传感器，实现三维加速度信息的采集。现有方法中，均是对单维信号独立处理，识别跌倒状态，这种方式割裂了三维信号之间物理的相关性，并割裂了三维整体信号与跌倒行为之间的相关性。
发明内容
本发明的目的在于提供一种有效识别老人跌倒状态，区分跌倒与非跌倒运动状态，并能够识别跌倒姿势，为跌倒伤害严重程度的智能判别提供基础的基于几何代数的老人跌倒状态建模、特征提取及识别方法。本发明的技术解决方案是:一种基于几何代数的老人跌倒状态建模、特征提取及识别方法，其特征是:(I)采用三轴加速度传感器采集的三通道加速度信号，三通道加速度信号两两正交；(2)采用Clifford几何代数对三通道老人跌倒数据进行建模:利用定义在三维空间上的几何代数理论，选取其中的2-vector子空间集{e12，e23, e31}，分别表征三通道跌倒数据方向，将同一个采样时刻采集得到的X、Y、Z三通道加速度信号数据分别作为超复数的三个虚部，作为一个整理进行运算处理，使三通道跌倒加速度数据变为Clifford几何代数域上的一个向量，实现跌倒数据建模；采用Clifford几何代数子空间离散余弦变换进行跌倒行为特征提取，取出跌到信号低频成分序列作为三通道跌倒数据的特征向量；
(3)对老人的跌倒及非跌倒行为状态进行统计，得到需要研究的行为类别个数，对每一行为类别进行多次加速度数据采集实验，实验中均采用相同的三轴加速度传感器，并且每次实验中三轴加速度传感器置于老人腰部同一位置，采集得到的多组数据，采用步骤
(2)中的建模方法，对采集得到的多组数据进行Clifford几何代数建模及特征提取，取出的特征向量作为每一行为类别的样本集，每个行为类别均构建自己的样本集；(4)任选一个行为类别的样本集，计算其中任意两个跌倒数据样本在Clifford几何代数空间上的距离，得到距离最短的两个样本点，并且构造第一个Clifford几何代数域单自由度神经元；(5)将跌倒状态样本集中已经包围在第一个单自由度神经元覆盖区域内的跌倒特征样本去除，得到新的训练集I ;在新的训练集上找到距离第一个单自由度神经元最近的点，并且构造第二个单自由度神经元；在新的训练集I基础上，将包围在第二个单自由度神经元覆盖区域内的跌倒样本去除，得到新的训练集2 ;按照第二个单自由度神经元的构造方法，循环构造单自由度神经元，直至最后得到的跌倒数据样本集为空集时，停止单自由度神经元构建；(6)对所得到的每一行为类别中的所有单自由度神经元求并集；对于存在的M个行为类别，经训练后则共得到M个单自由度的神经元的并集；对于一个待识别的跌倒行为类别样本，首先计算该样本到每个行为类别单自由度神经元并集的Clifford几何代数域距离，则对于M个行为类别，可以得到M个Clifford几何代数域最短距离；将M个最短距离进行比较，得到其中的最小Clifford几何代数域距离；则该最小距离所对应的行为类别，就是和待识别行为类别最相近的。本发明在Clifford几何代数域中，将表征老人跌倒行为的三通道数据变成一个整体进行处理，有效保留了三通道数据间的物理联系，以及三通道整体信息与老人行为之间的联系。提出了 Clifford几何代数域上老人跌倒识别新方法。本发明提出的方法可有效识别老人跌倒状态，区分跌倒与非跌倒运动状态，并能够识别跌倒姿势，为跌倒伤害严重程度的智能判别提供基础。该方法智能性强、识别率高、运算速度快。纵观国内现有的跌倒及其他行为状态识别方法和系统，本发明所提的方法尚无单位实现。
下面结合附图和实施例对本发明作进一步说明。图1、图2、图3、图4分别是采集的老人在右、绊倒、躺下、后仰状态下的数据。图中数据采用三轴加速度传感器采集，横坐标为采集系统的采样点数，纵坐标为三轴加速度传感器输出电压幅值。三轴加速度传感器的三通道输出分别采用不同颜色在图中标出。三轴加速度传感器置于老人腰间。与人体垂直的轴定义为Z轴，与人体俯仰方向平行的轴定义为X轴，与人体侧倒方向平行的定义为Y轴。图5为基于Clifford几何代数的老人跌倒状态识别流程图。图6欧氏空间单自由度神经元区域示意图。图7欧氏空间单自由度神经元群的覆盖示意图。图8是绊倒样品到4类神经元的最短距离示意图。图9是后仰样本到4类神经元的最短距离示意图。
图10是坐下样本到4类神经元的最短距离示意图。
具体实施例方式三轴跌倒加速度数据采集采用3通道加速度传感器检测人体跌倒过程的信号(传感器置于老人腰部)，采样频率为240Hz，为了分析各类跌倒状态，实验过程模拟了 “绊倒”、“后仰”、“右摔”、“左摔”、“直接躺下”、“跳跃”、“转圈”、“快速地坐下”，“安地静坐下”，“顺墙而滑”、“小跑”、“正常走”、“正面朝下跌倒”、“慢步走”等14种状态。对典型的跌倒姿态且经常发生的绊倒姿态、右摔姿态、后仰姿态及躺下姿态数据(三通道，X，Y和Z轴向)如图1、图2、图3、图4所示。很明显，从跌倒数据上分析，每类跌倒姿态的样本数据在跌倒瞬间表征的差异较大，另外在跌倒时间段内，三正交轴在的跌倒数据相互之间的空间向量关系的信息其实表征了人体在跌倒瞬间的落地姿势，对于判断跌倒风险的高低是很重要的信息，因此本发明提出能描述各通道间向量关系的Clifford几何代数对跌倒数据进行建模与特征分析，将三通道数据在Clifford几何代数域下作为整体处理(通过构建为超复数实现整体处理)，既包含了三通道间的物理联系，又包含了三通道整体信息与老人跌倒状态之间的联系。Clifford几何代数的特征分析与识别方法Clifford几何代数基本框架Clifford几何代数在Grasssmann代数基础上发展的,并且在科学计算，图像分析等方面有较为广泛的应用。定义在实向量空间Rn上的Cl if ford几何代数，记作G (Rn)，或Gn0 Cl if ford几何代数上一个重要的概念就是几何积(Geometric Product),对于给定的一
组正交基{ei，e2，...，en} e Rn，假设存在两个向量
权利要求
1.一种基于几何代数的老人跌倒状态建模、特征提取及识别方法，其特征是: (1)采用三轴加速度传感器采集的三通道加速度信号，三通道加速度信号两两正交； (2)采用Clifford几何代数对三通道老人跌倒数据进行建模:利用定义在三维空间上的几何代数理论，选取其中的2-vector子空间集{e12，e23, e31}，分别表征三通道跌倒数据方向，将同一个采样时刻采集得到的X、Y、Z三通道加速度信号数据分别作为超复数的三个虚部，作为一个整理进行运算处理，使三通道跌倒加速度数据变为Clifford几何代数域上的一个向量，实现跌倒数据建模；采用Clifford几何代数子空间离散余弦变换进行跌倒行为特征提取，取出跌到信号低频成分序列作为三通道跌倒数据的特征向量； (3)对老人的跌倒及非跌倒行为状态进行统计，得到需要研究的行为类别个数，对每一行为类别进行多次加速度数据采集实验，实验中均采用相同的三轴加速度传感器，并且每次实验中三轴加速度传感器置于老人腰部同一位置，采集得到的多组数据，采用步骤(2)中的建模方法，对采集得到的多组数据进行Clifford几何代数建模及特征提取，取出的特征向量作为每一行为类别的样本集，每个行为类别均构建自己的样本集； (4)任选一个行为类别的样本集，计算其中任意两个跌倒数据样本在Clifford几何代数空间上的距离，得到距离最短的两个样本点，并且构造第一个Clifford几何代数域单自由度神经元； (5 )将跌倒状态样本集中已经包围在第一个单自由度神经元覆盖区域内的跌倒特征样本去除，得到新的训练集I ;在新的训练集上找到距离第一个单自由度神经元最近的点，并且构造第二个单自由度神经元；在新的训练集I基础上，将包围在第二个单自由度神经元覆盖区域内的跌倒样本去除，得到新的训练集2 ;按照第二个单自由度神经元的构造方法，循环构造单自由度神经元，直至最后得到的跌倒数据样本集为空集时，停止单自由度神经元构建； (6)对所得到的每一行为类别中的所有单自由度神经元求并集；对于存在的M个行为类别，经训练后则共得到M个单自由度的神经元的并集；对于一个待识别的跌倒行为类别样本，首先计算该样本到每个行为类别单自由度神经元并集的Clifford几何代数域距离，则对于M个行为类别，可以得到M个Clifford几何代数域最短距离；将M个最短距离进行比较，得到其中的最小Clifford几何代数域距离；则该最小距离所对应的行为类别，就是和待识别行为类别最相近的。
全文摘要
本发明公开了一种基于几何代数的老人跌倒状态建模、特征提取及识别方法，该方法将表征老人跌倒行为的三通道数据变成一个整体进行处理，有效保留了三通道数据间的物理联系，以及三通道整体信息与老人跌倒行为之间的联系。就三通道的跌倒数据进行Clifford几何代数方法的特征提取，在保持数据的三维空间的矢量信息的基础上进行主元抽取，更有效的提取人体跌倒瞬间的空间姿态。在Clifford几何代数域上，提出基于覆盖原理的单自由度神经元的构造理论及对应的跌倒状态识别方法，实现小样本状态下高效识别。实验结果表明该方法该方法识别率高。
文档编号G06K9/62GK103116745SQ20131006613
公开日2013年5月22日 申请日期2013年3月1日 优先权日2013年3月1日
发明者华亮, 顾菊平, 丁立军, 张新松, 羌予践, 邱爱兵, 俞钶安, 刘雨晴, 赵振东, 张齐 申请人:南通大学