一种基于多阶段模型的跌倒判断方法技术

本发明专利技术公开了一种基于多阶段模型的跌倒判断方法，将一个姿态传感器佩戴在判断对象的身上，所述跌倒判断方法是：设置一个时间窗口，并设定一个采样频率，以所述时间窗口的时间长度和采样频率顺序连续接收进入时间窗口的信号数据，所述信号数据包括三轴加速度信号数据和三轴角速度信号数据，对时间窗口范围内信号数据分别计算出沿时间轴频率采样点的合加速度和合角速度，对合加速度数据和合角速度数据分别进行信息熵计算。本发明专利技术增加了信息熵阈值这一判断条件，由于信息熵是基于一定窗口尺寸的姿态状态，能够比较好地反应一段时间内，而不是某一个时刻的姿态变化，由于采用多级阈值判断，确保在多次约束下，判断结果具有更高的准确性。

A method of judging fall based on multi stage model

The invention discloses a fall judgment method based on a multi-stage model, in which a posture sensor is mounted on the judging object. The fall judgment method is: setting a time window and setting a sampling frequency to continuously receive the entry time window with the time length and sampling frequency of the time window. The signal data of the port include the three-axis acceleration signal data and the three-axis angular velocity signal data. The combined acceleration and the combined angular velocity of the sampling points along the time axis frequency are calculated for the signal data in the time window range, and the information entropy of the combined acceleration data and the combined angular velocity data are calculated respectively. The invention adds the judgment condition of information entropy threshold. Since the information entropy is based on the attitude state of a certain window size, it can better reflect the attitude change in a period of time, not at a certain time. The multi-level threshold judgment ensures that the judgment result has higher accuracy under multiple constraints.

【技术实现步骤摘要】
一种基于多阶段模型的跌倒判断方法
本专利技术涉及一种基于多阶段模型的跌倒判断方法。
技术介绍
一个国家65岁以上的人口占总人口的比例超过7％，就进入了联合国定义的老龄化社会。我国于20世纪末进入老龄化社会，随着中国人口红利逐渐消失，人口老龄化趋势已经不可逆转，预计2020年老龄化人口将达到2.5亿，到2050年将进入深度老龄化阶段，成为老龄化程度最严重的国家，这也将从多方面给我国社会带来巨大的压力和挑战。据国外统计，约有1/3的65岁老人每年至少跌倒一次，而对于超过70岁的老人，该项比例占到了32-42％，跌倒在老年人死亡原因中的比例高达25％。针对跌倒问题，除了做好事先防范工作之外，如安全教育等，还应该有一个能够实时监测到跌倒并通知医护人员救治的产品在发生跌倒时，能最快的将受伤人员送往医院进行救治的产品。随着计算机、通信、集成电子等科学技术的飞速发展，以及社会对保健产品的关注，推动了家庭看护产业的发展，而其中针对老年人的跌倒探测领域的探索深入，对保证老年人生活的安全健康，意义重大。跌倒检测的方法有多种，最常见的是图像分析法和加速度分析法。一旦出现异常情况，可以及时进行救治，减轻了跌倒带来的对子女和社会的压力，响应了我国的建设以人为本的和谐社会的号召。也是对国家近期发布的诸多法律法规和规章制度的积极响应，要充分运用互联网、物联网、大数据等信息技术手段，创新健康养老服务模式，要搭建智慧健康养老服务平台，整合信息资源等，鼓励发展智慧养老。基于视频图像分析的室内跌倒自动检测技术准确性高，人体动作清晰可见，但需要多部摄像机同时工作，且暴露了用户的个人隐私，监测范围有限，受环境影响很大。一般的跌倒检测器通过分析反映人体姿势的加速度值和能量变化，跌倒检测器因其体积小，重量轻，可随身佩戴等特点，不影响老年人的日常生活。跌倒检测器中集成了多种传感设备，能计算出加速度、角速度、地理位置、身体情况等信息。并在检测到异常情况时做出报警处理，使得老年人能够得到及时有效的救助，避免严重后果的发生。目前国内一些基于MEMS技术的跌到检测虽可较好实现跌倒检测，但大多计算量较大、设计复杂、价格昂贵，难以得到广泛的应用。现有跌倒检测技术方案较多，可以分为三类：基于阈值的方法、基于机器学习的方法和二者结合的方法。阈值判断的算法比较直观，是目前最普遍的方法，实现的软件开销较小，能够方便在嵌入式设备上实现，其不足之处就是什么样阈值的选取对实验结果影响较大，一般的方法是通过经验或者实验数据选取阈值，若是通过经验的方法，则不知道阈值选取的准确度；而若是通过实验数据求阈值，则存在逼真性的问题，因为实验数据基本都是通过健康的年青人来模拟跌倒，这就会出现跌倒者的身体健康和心理状况差异，而且有意识和无意识的跌倒存在着差异，影响了阈值选取的准确性。
技术实现思路
本专利技术的目的在于提供一种基于多阶段模型的跌倒判断方法，在基于已有的跌倒阈值判断的基础上，进一步增加了合加速度/合角速度信息熵阈值和三轴加速度/三轴角速度变化率这两个判断条件。由于信息熵是基于一定窗口尺寸的姿态状态，能够比较好地反应一段时间内，而不是某一个时刻的姿态变化，由于采用多级阈值判断，确保在多次约束下，判断结果具有更高的准确性。为了实现上述目的，本专利技术的技术方案是：一种基于多阶段模型的跌倒判断方法，将一个姿态传感器佩戴在判断对象的身上，姿态传感器的信号以无线通讯的方式传递至一个数据处理装置，数据处理装置实时接收姿态传感器的状态信号，其中，所述跌倒判断方法是：设置一个时间窗口，并设定一个采样频率，以所述时间窗口的时间长度和采样频率顺序连续接收进入时间窗口的信号数据，所述信号数据包括三轴加速度信号数据和三轴角速度信号数据，对时间窗口范围内信号数据分别计算出沿时间轴频率采样点的多个合加速度和多个合角速度，对多个合加速度数据和多个合角速度数据分别进行信息熵计算，当信息熵的最大值超过设定的最大阈值时，认为跌倒发生。所述方法进一步包括，当所述信息熵的最大值未超过设定的最大阈值时，继续判断在所述时间窗口内三轴加速度变化率和三轴角速度变化率，如果其中一轴的变化率超过设定的变化率阈值，且后续合加速度或合角速度信息熵保持在0～0.1之间，则认为跌倒发生。方案进一步是：所述时间窗口是0.5秒至3秒的时间窗口，所述采样频率是50Hz至200Hz。方案进一步是：所述信息熵计算是在一个时间窗口内对合加速度和合角速度的值平均划分多个取值区间的信息熵计算，或者是在一个时间窗口内对合加速度和合角速度的值以对数划分多个取值区间的信息熵计算。方案进一步是：所述最大阈值是随时间窗口和采样频率变化而变化以及随信息熵计算中的取值区间变化而变化的最大阈值。方案进一步是：所述信息熵是由公式∑(-pilogpi)计算获得，其中：pi是对所述时间窗口内采集的数据进行归一化处理后，所得的数值落入时间窗口内划分多个取值区间中某一取值区间i的概率。与现有技术相比，本专利技术在基于已有的跌倒阈值判断的基础上，进一步增加了信息熵阈值判断条件，由于信息熵是基于一定窗口尺寸的姿态状态，能够比较好地反应一段时间内，而不是某一个时刻的姿态变化，由于采用多级阈值判断，确保在多次约束下，判断结果具有更高的准确性。同时，增加了三轴加速度/三轴角速度变化率(选取变化率最大的轴)这一判断条件，减少漏判。由于相应的计算量并不大，适合于在设备端执行计算和判断，实现实时跌倒判断和报警。下面结合附图和实施例对本专利技术进行详细描述。附图说明图1阈值判断的基本流程示意图；图2一个典型的跌倒过程合加速度变化曲线示意图；图3静止状态下的信息熵变化曲线示意图；图4跌倒前后合加速度比较示意图；图5跌倒时合加速度信息熵的变化幅度示意图；图6跌倒时三个轴加速度曲线示意图；图7尺寸为n的窗口滑动示意图。具体实施方式一种基于多阶段模型的跌倒判断方法，将一个安装有能获取三轴加速度和三轴角速度数据的姿态传感器(例如三轴加速度计)的设备佩戴在判断对象的身上，姿态传感器的信号以无线通讯的方式传递至一个数据处理装置，数据处理装置实时接收姿态传感器的状态信号，其中，所述跌倒判断方法是：设置一个时间窗口，并设定一个采样频率，以所述时间窗口的时间长度和采样频率顺序连续接收进入时间窗口的信号数据，所述信号数据包括三轴加速度信号数据和三轴角速度信号数据，对时间窗口范围内信号数据分别计算出沿时间轴频率采样点的多个合加速度和多个合角速度，对多个合加速度数据和多个合角速度数据分别进行信息熵计算，当信息熵的最大值超过设定的最大阈值时，认为跌倒发生。所述方法进一步包括，当所述信息熵的最大值未超过设定的最大阈值时，继续判断在所述时间窗口内三轴加速度变化率和三轴角速度变化率，如果其中某一轴的变化率超过设定的变化率阈值，且后续一段时间内合加速度或合角速度信息熵保持在0～0.1之间，则认为跌倒发生。实施例采用基于阈值判断的方法，实现了在设备端实时判断佩戴者是否跌倒，阈值的选取基于传感器获取的数据。针对传感器过去较长一段时间内数据的变化进行计算，统计变化范围再作出判断。算法具有较好的稳定性和较高的准确度。本实施例提出了：1，基于信息熵和加速度变化率判断是否跌倒的方法；2，基于多阶段阈值判断，阈值选取的宽限比较大，即虽然某一项阈值并不能本文档来自技高网...

【技术保护点】
1.一种基于多阶段模型的跌倒判断方法，将一个姿态传感器佩戴在判断对象的身上，姿态传感器的信号以无线通讯的方式传递至一个数据处理装置，数据处理装置实时接收姿态传感器的状态信号，其特征在于，所述跌倒判断方法是：设置一个时间窗口，并设定一个采样频率，以所述时间窗口的时间长度和采样频率顺序连续接收进入时间窗口的信号数据，所述信号数据包括三轴加速度信号数据和三轴角速度信号数据，对时间窗口范围内信号数据分别计算出沿时间轴频率采样点的多个合加速度和多个合角速度，对多个合加速度数据和多个合角速度数据分别进行信息熵计算，当信息熵的最大值超过设定的最大阈值时，认为跌倒发生。

【技术特征摘要】
1.一种基于多阶段模型的跌倒判断方法，将一个姿态传感器佩戴在判断对象的身上，姿态传感器的信号以无线通讯的方式传递至一个数据处理装置，数据处理装置实时接收姿态传感器的状态信号，其特征在于，所述跌倒判断方法是：设置一个时间窗口，并设定一个采样频率，以所述时间窗口的时间长度和采样频率顺序连续接收进入时间窗口的信号数据，所述信号数据包括三轴加速度信号数据和三轴角速度信号数据，对时间窗口范围内信号数据分别计算出沿时间轴频率采样点的多个合加速度和多个合角速度，对多个合加速度数据和多个合角速度数据分别进行信息熵计算，当信息熵的最大值超过设定的最大阈值时，认为跌倒发生。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括，当所述信息熵的最大值未超过设定的最大阈值时，继续判断在所述时间窗口内三轴加速度变化率和三轴角速度变化率，如果其中一轴的变化率超过设定的...

【专利技术属性】
技术研发人员：刘超，孔志强，孔繁星，
申请(专利权)人：大同公元三九八智慧养老服务有限公司，
类型：发明
国别省市：山西,14