一种人体跌倒判定方法及装置与流程

本发明属于智能穿戴技术领域，尤其涉及一种人体跌倒判定方法及人体跌倒判定装置。

背景技术：

跌倒是危害老年人及其他特殊人群的重要因素之一。跌倒已经成为老人伤害死亡的头号杀手。及时的跌倒检测和救助可以为治疗和抢救赢得宝贵时间，对提高老人的独立生活能力、保障其健康和提高医疗监护水平都具有非常重要的作用。

目前市场上的智能模块进行人体跌倒的算法，多是基于佩戴在身体腰部或以上部位，利用跌倒时的加速度变化判定是否跌倒。少部分智能模块置于脚底，判定跌倒采取的是预判方式，即根据跌倒前会有一段时间加速度增大过程，这种判断误判的概率较大。

目前已有的跌倒检测方法可以大致分为三类：一类是基于视频的检测方法。该方法通过在环境中布设彩色或深度摄像头，利用图像处理技术来检测用户跌倒。此方法不需要用户穿戴设备且有较成熟的算法支持，但监测范围有限，易受光线等环境因素影响，且不利于保护用户隐私。另一类是基于环境变量的方法。基于环境变量的方法通过在环境中布设压力、震动和声音等传感器件来综合判断用户的跌倒。此方法原理简单且受环境因素影响较小，但布设成本高且监测范围受限。还有一类是基于穿戴式装置所采集的运动传感器(例如加速度计、陀螺仪等)数据的检测方法。现有技术中，通常将集成了运动传感器的装置，固定在用户特定身体部位(如胸前、腰部、腿部等)，通过识别特定部位的运动和姿态来判断用户跌倒。此方法不受监测范围限制，可以实现连续实时检测，但由于要求在身体特定位置穿戴较为不便的感知设备，对用户日常生活带来很大的干扰性，限制了此类方法的实际应用和推广。

近年来，涌现出越来越多的新型可穿戴设备，例如智能眼镜、智能腕带、智能手表、智能鞋子等，这些新型可穿戴设备降低了对设备穿戴位置的限制，因此，可以考虑将跌倒检测装置融入到新型可穿戴设备以减小检测装置对用户生活的干扰。然而，这些新型可穿戴设备对应的穿戴位置的运动灵活性较高，这导致运动传感器所采集的人体运动数据具有更高的复杂性和多样性，使用传统的检测方法难以同时获得高检测率和低误警率。

因此，当前迫切需要一种适合于能够基于具有高度复杂性和多样性的运动数据(例如头部运动数据)实现高检测率和低误警率的跌倒检测解决方案。

本发明中智能模块置于脚底，是基于对人体跌倒行为过程的大量的分析，对跌倒后及之前的极短时间的状态进行分析，综合分析侧向、纵向的加速度变化后进行判断是否跌倒。这种算法避免了大量误报，提高了跌倒判断的准确性。

技术实现要素：

本发明提出了一种判断准确率高、低误警率的人体跌倒判定方法。

本发明还提供了一种判断准确率高、低误警率的人体跌倒判定装置。

本发明采用的技术方案是：

一种人体跌倒判定方法，其具体步骤包括：

(1)对人体的x轴、y轴、z轴方向的加速度进行采集，并分别设置x轴、y轴、z轴方向的加速度阈值；

(2)当采集到x轴、y轴方向的加速度突增，并分别超过相应的加速度阈值时，对z轴方向的加速度与z轴方向的加速度阈值进行比对；

(3)当z轴方向的加速度小于z轴方向的加速度阈值时，判定为跌倒行为。本发明基于三轴加速度阈值的检测算法，通过三轴加速度的动作，判断是否跌倒，判断更直接简单，同时判断准确率高、低误警率。

进一步，还包括步骤(4)发生跌倒行为后发出跌倒警报信号并及时通知监护人。

进一步，步骤(1)中采集的加速度进行数据滤波。

进一步，数据滤波采用卡尔曼滤波方法。

一种人体跌倒判定装置，水平安装并封藏在鞋底内部，包括壳体，其特征在于：所述壳体内安装有电路板、充电线圈、可充电锂电池，所述充电线圈与电路板之间设有隔离片，所述可充电锂电池与电路板连接，所述电路板内集成有人体跌倒判定模块，所述人体跌倒判定模块用于根据三轴加速度与预设加速度阈值比对来判定是否存在跌倒行为。本发明装置设置于鞋底并通过人体跌倒判定模块判定跌倒行为，误判率低；并且通过充电线圈进行无线充电方式对可充电锂电池进行充电，因此无需拆下人体跌倒判定装置进行充电，使用方便。

进一步，所述人体跌倒判定模块包括主处理器和协处理器，协处理器上连接有用于采集三轴加速度的三轴加速度传感器，所述协处理器与主处理器连接，所述主处理器上连接有用于电话语音通知监护人的esim卡。

进一步，所述协处理器上还连接有蓝牙2.4g天线。

进一步，所述主处理器上还连接有gsm天线、gps天线、wifi天线、flash模块。

进一步，所述主处理器上还连接有报警模块。

本发明的有益效果是：人体跌倒判定准确率高、低误警率，使用方便。

附图说明

图1是本发明方法的流程示意图。

图2是本发明装置的安装示意图。

图3是本发明装置的结构爆炸图。

图4是本发明的硬件电路图。

具体实施方式

下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。

实施例一

参见图1，一种人体跌倒判定方法，其具体步骤包括：

(1)对人体的x轴、y轴、z轴方向的加速度进行采集，并分别设置x轴、y轴、z轴方向的加速度阈值；

(2)当采集到x轴、y轴方向的加速度突增，并分别超过相应的加速度阈值时，对z轴方向的加速度与z轴方向的加速度阈值进行比对；

(3)当z轴方向的加速度小于z轴方向的加速度阈值时，判定为跌倒行为；

(4)发生跌倒行为后发出跌倒警报信号并及时通知监护人。

本发明基于三轴加速度阈值的检测算法，通过三轴加速度的动作，判断是否跌倒，判断更直接简单，同时判断准确率高、低误警率。

本实施例步骤(1)中采集的加速度采用卡尔曼滤波方法进行数据滤波。加速度的测量值往往在任何时候都有噪声，对跌倒判断是有极大影响的，必须进行数据滤波，去除噪声还原真实数据。卡尔曼滤波(kalmanfiltering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，能够对现场采集的数据进行实时的更新和处理。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标值的较好的数值。

本实施例原理是人体正常站立时，脚后跟处和地面的角度是0度，走路、跑步包括上下阶梯时，鞋后跟与地面会形成一定的角度，这时人体z轴方向的加速度值会随着角度变化而变化，这种状态到跌倒状态的临界点会有一个加速度阀值。静态时，z轴方向加速度值在水平状态下是最大的，角度越大，加速度值越小。当这个加速度值小于加速度阀值时，就可判断已处于跌倒状态。

仅通过静态时z轴方向加速度值的变化来判断跌倒，会引起大量的误判。比如休息时将腿放置于椅子上，脚掌与地面角度接近90度，z轴方向的加速度非常小，低于加速度阀值，就会误判为跌倒。为了减少误判，还分析了在跌倒过程中x、y轴方向的加速度值的变化情况。站立时，这两向的加速度值基本为0，走路、跑步及上下阶梯时，x轴方向仍然基本为0，y轴方向加速度值会随着脚后跟与地面的角度变化而变化，到跌倒(前后方向)时，y轴方向的加速度会有一个突增，侧向跌倒时，x轴方向加速度值会突增，在此临界点设置一个加速度阀值，超过这个加速度阀值，作为跌倒判断的一个条件，结合z轴方向加速度值与相应加速度阀值的比较，综合判断是否跌倒，判断准确率高、低误警率。

实施例二

参见图2-4，一种人体跌倒判定装置10，水平安装并封藏在鞋底内部，包括壳体1，所述壳体1内安装有电路板2、充电线圈4、可充电锂电池5，所述充电线圈4与电路板2之间设有隔离片3，所述可充电锂电池5与电路板2连接，所述电路板2内集成有人体跌倒判定模块，所述人体跌倒判定模块用于根据三轴加速度与预设加速度阈值比对来判定是否存在跌倒行为。本发明装置设置于鞋底并通过人体跌倒判定模块判定跌倒行为，误判率低；并且通过充电线圈进行无线充电方式对可充电锂电池进行充电，因此无需拆下人体跌倒判定装置进行充电，使用方便。

本实施例所述人体跌倒判定模块包括主处理器和协处理器，协处理器上连接有用于采集三轴加速度的三轴加速度传感器，所述协处理器与主处理器连接，所述主处理器上连接有用于电话语音通知监护人的esim卡，所述协处理器上还连接有蓝牙2.4g天线，所述主处理器上还连接有gsm天线、gps天线、wifi天线、flash模块、报警模块。

本实施例所述人体跌倒判定模块的人体跌倒判定方法，具体步骤包括：

(1)对人体的x轴、y轴、z轴方向的加速度进行采集，并分别设置x轴、y轴、z轴方向的加速度阈值；

(2)当采集到x轴、y轴方向的加速度突增，并分别超过相应的加速度阈值时，对z轴方向的加速度与z轴方向的加速度阈值进行比对；

(3)当z轴方向的加速度小于z轴方向的加速度阈值时，判定为跌倒行为；

(4)发生跌倒行为后发出跌倒警报信号并及时通知监护人。

本实施例步骤(1)中采集的加速度采用卡尔曼滤波方法进行数据滤波。加速度的测量值往往在任何时候都有噪声，对跌倒判断是有极大影响的，必须进行数据滤波，去除噪声还原真实数据。卡尔曼滤波(kalmanfiltering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，能够对现场采集的数据进行实时的更新和处理。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标值的较好的数值。

本实施例中的人体跌倒判定装置10，是为了解决对人体是否跌倒进行判断的问题的，与其它智能穿戴不同的是，本装置是放置并封藏在鞋底内部，不属于额外增加的穿戴品(如手环、眼镜、挂件等)，如图2所示。并且采用无线充电方式进行充电，只需将鞋子按要求方向、位置放置于充电板20上即可，无需拆下装置充电。该装置通过加速度传感器采集人行动时的加速度，利用人体跌倒判定模块的人体跌倒判定方法判断是否有跌倒行为，跌倒报警通过电话语音通知用户。

本实施例中的人体跌倒判定装置10水平放置于鞋底，位置固定，不会随人体走动改变基本位置。对于正常走动的行为，只需分析z轴方向的加速度数据即可。在进行跌倒判断时，分别分析x、y、z轴方向的数据变化，更直接，也更简单。根据实验模型得出人体在跌倒后，身体接触地面的同时，双脚与地面的角度会发生改变，超过正常走路、跑步、跳跃等行为时脚掌与地面形成的角度，并有短时的腾空现象，正是基于这两种跌倒特征，综合跌倒过程中各轴向加速度值的变化并计算来进行跌倒判断的。

为了验证人体跌倒判定方法的准确性，并出于安全考虑没有让老人参与而是邀请了10名年轻人进行模拟摔倒(在垫子上完成)。实验的跌倒方式分为：向前/向后跌倒未平躺、向前/向后跌倒后平躺、向左/向右侧跌倒。依据这几种跌倒方式设计了一套如表1所示的动作。每一次实验的实验者都随机从中选出一些动作并结合真正的跌倒组合一套完整的实验动作。系统以25hz的采样频率进行样本的采集，并通过设计的算法进行数据的分析处理。实验者从上述的动作中随机选取动作组合进行实验，每名实验者需进行5组实验，10名实验者共需完成50组实验。实验统计结果如表1所示。

表1

通过实验数据可知所设计的跌倒检测方法有较高的准确率，能够分辨绝大部分的跌倒事件，但在对于缓慢瘫倒，或者有倚靠物的半跌倒的情况存在一定的误报率。