The invention discloses a method of falling detection. Firstly, the invention trains the judgment threshold based on the training sample, and then extracts the amplitude of the acceleration signal vector, and extracts the eigenvalues, including the peak value of the acceleration signal vector amplitude, the minimum value and the maximum of the acceleration signal vector amplitude. The difference of the value, the standard deviation of the amplitude of the acceleration signal vector, and the value of the relative angle change, and then train the two judgment threshold of each characteristic value based on the K clustering means clustering method; and when the fall detection is carried out in real time, the original acceleration information of the object is treated with the same preprocessing as the training sample. Four eigenvalues, and then each feature value is processed gradually to get the result of fall detection. The invention can be used to monitor the fall of the elderly population in real time, and its computer complexity is low, and the real time detection of the carrier's falling state can be realized by the existing human body portable equipment.
【技术实现步骤摘要】
一种跌倒检测方法
本专利技术属于计算机
,具体涉及一种基于加速度传感器的跌倒检测。
技术介绍
在跌倒检测处理中,比较常见的检测方式有:基于视觉的跌倒检测、基于声音的跌倒检测和基于传感器的跌倒检测。其中,基于视觉的跌倒检测方式主要通过人体运动过程的视觉信息来实现跌倒状况的检测,在基于视觉的跌倒检测过程中,通过摄像头对人体的运动视觉信息进行捕捉,并对捕捉的信息中的每一帧图像进行图像分析和处理,实现对图像中人体部位的识别,最后,通过对不同帧图像中人体部位变化的急剧程度进行分析来实现对跌倒状况的判定。但是基于视频的跌倒检测只能实现对视频区域的跌倒检测,对于视频区域外的区域无法进行跌倒检测。在基于声音的跌倒检测方式中,则是通过人体跌倒过程中声音信息的变化来实现对跌倒状况的判定。但在日常生活环境中,由于环境中声音信息的来源多样,导致基于声音的跌倒检测很容易受到干扰,故基于声音信息的跌倒检测多作为提高检测精度的一种辅助手段。在基于传感器的跌倒检测方式中,其通过人体佩戴的运动传感器设备,实现基于人体运动信息的跌倒检测。常用的运动传感器包括加速度传感器、陀螺仪、压力传感器等,在人体发生跌倒的过程中,其运动姿态会发生急剧的变化,通过上述的运动传感器对人体姿态变化过程中的加速度、角速度、足底压力等信息进行采集与分析,便可实现对人体跌倒状况的检测。例如文献“基于加速度传感器的人体跌倒检测方法[J].计算机工程与科学,2017,39(2):330-335”公开的基于加速度传感器的跌倒检测方法中,其运用支持向量机对加速度特征的阈值选择进行了优化;文献“基于智能手机的人体跌倒检测 ...
【技术保护点】
一种跌倒检测方法,其特征在于,包括下列步骤:步骤1:设置跌倒检测阈值:101:采集训练样本集,所述训练样本为人体携带的三维加速度信息采集终端采集的一段离散的原始加速度序列;102:对训练样本集进行数据预处理:对原始加速度信息进行中值滤波处理,再提取加速度信号向量幅度,各采样点的加速度信号向量幅度为当前采样点的三维加速度信息的各维分量的平方和的开方;103:提取训练样本的特征数据集:基于加速度信号向量幅度,提取训练样本的特征数据集,包括加速度信号向量幅度的峰值SVMtop,加速度信号向量幅度的最小值与最大值的差值ΔSVM,加速度信号向量幅度的标准差σ(SVM),以及相对角度变化值Δθ,所述相对角度变化值Δθ为训练样本的最大与最小倾角的差值;104:基于K‑means聚类的方法训练各特征值的二分判决阈值,得到对应相对角度变化值Δθ、峰值SVMtop、差值ΔSVM和标准差σ(SVM)的第一、二、三和四阈值,所述二分判决表示当前判决对象是否为跌倒状态;步骤2:检测待检测对象的跌倒状态:201:通过检测对象的携带的三维加速度信息采集终端采集的一段离散的原始加速度序列,作为原始待检测数据;202: ...
【技术特征摘要】
1.一种跌倒检测方法,其特征在于,包括下列步骤:步骤1:设置跌倒检测阈值:101:采集训练样本集,所述训练样本为人体携带的三维加速度信息采集终端采集的一段离散的原始加速度序列;102:对训练样本集进行数据预处理:对原始加速度信息进行中值滤波处理,再提取加速度信号向量幅度,各采样点的加速度信号向量幅度为当前采样点的三维加速度信息的各维分量的平方和的开方;103:提取训练样本的特征数据集:基于加速度信号向量幅度,提取训练样本的特征数据集,包括加速度信号向量幅度的峰值SVMtop,加速度信号向量幅度的最小值与最大值的差值ΔSVM,加速度信号向量幅度的标准差σ(SVM),以及相对角度变化值Δθ,所述相对角度变化值Δθ为训练样本的最大与最小倾角的差值;104:基于K-means聚类的方法训练各特征值的二分判决阈值,得到对应相对角度变化值Δθ、峰值SVMtop、差值ΔSVM和标准差σ(SVM)的第一、二、三和四阈值,所述二分判决表示当前判决对象是否为跌倒状态;步骤2:检测待检测对象的跌倒状态:201:通过检测对象的携带的...
【专利技术属性】
技术研发人员:邢建川,董科廷,韩保祯,张易丰,丁志新,康亮,王翔,张栋,陈佳豪,李双,沈浩,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。