摔倒检测定位系统及方法技术方案

本发明专利技术公开了一种摔倒检测定位系统及方法，它包括摔倒检测定位装置，所述摔倒检测定位装置包括惯性导航模块、GPS模块、主控制器和Sim-300模块，所述惯性导航模块由三轴陀螺仪、三轴磁力计和三轴加速度计组成，所述GPS模块、惯性导航模块分别与主控制器连接，主控制器和Sim-300模块连接，所述摔倒检测定位装置通过GSM/GPRS与绑定被测人员的亲属手机、监护站连接，并设计了基于神经网络和机器学习的摔倒检测算法，准确地检测人体摔倒状态和位置信息，并通过GSM/GPRS将该信息传到监护站，在监控画面上实时显示被测人员的状态和位置，本系统可以准确地检测到被测人员的摔倒状况，并且可以对其实时跟踪定位，系统方便实用，准确率高，稳定性强。

【技术实现步骤摘要】

本专利技术涉及一种行为分析与识别方法，状态监控与报警、检测与定位系统，尤其涉及ー种。
技术介绍
21世纪是人口老龄化的时代，目前，世界上所有发达国家都已经进入老龄社会，许多发展中国家正在或即将进入老龄社会。中国是世界上老年人口最多的国家，据数据显示，2004年底，中国60岁及以上老年人口为I. 43亿，2014年将达到2亿，2026年将达到3亿， 意外摔倒是65岁以上人群主要的健康威胁以及死亡原因，在因摔倒而需要医疗护理的人群中，65岁及以上的占到超过30%，而因摔倒致死的人群中，40%是80岁以上的老者。在超过85岁的人群中，2/3的意外摔倒直接导致死亡。据报告显示,在老年之家和养老院中，66%的居民毎年至少会有一次意外摔倒，而这并不包括未报告的情况，因此，这个数字还是可能被低估的。老年人摔倒发生率高、后果严重，已经成为ー个严重的医疗问题和社会问题，通过科学的手段有效预测老年人摔倒，从而减小老年人因摔倒带来的伤害已成为全球新的研究热点。目前，对于人体摔倒检测，从硬件上一般分为基于视觉和基于穿戴式传感器两种，其中，采用视觉进行人体摔倒检测会严重受到外界环境影响，比如光照条件、背景、遮挡大小和摄像机质量等，另外，由于摄像机监测区域有限，被监测的老年人或者病人的活动范围会受到限制，在利用穿戴式传感器检测人体摔倒的研究中，一种是采用加速度计检测人体活动的加速度，通过设定阈值判断是否摔倒，这种方法很难区分摔倒与人们日常的剧烈活动，如跳、上下楼等。专利200720125141. 1，200910145045. 7都是采用一个三轴加速度计测得人体加速度，同时计算出了倾斜角度，前者通过设定加速度和角度阈值判断是否发生摔倒，难以区分快速行走和上下楼梯等剧烈动作，而后者则是判断人在摔倒过程受到冲击前后一段时间的角度关系判断是否发生摔倒，该方法要求人体摔倒过程出现明显冲击，难以识别老年人突然晕倒或者小幅度摔倒，而且，其角度是通过加速度计算得到，显然，当人体剧烈活动或者震动干扰时计算的倾斜角度会出现严重偏差，识别率会严重下降；另ー种是通过穿戴式角度传感器检测人体躯干角度，设定角度阈值和时间阈值判断是否摔倒，该方法难以区分弯腰、平躺等正常行为动作。例如，专利200620075599. 6，200620003000. 8通过传感器检测人体的倾斜程度来判断是否发生摔倒，很难区分弯腰、平躺等动作，另外，由于摔倒事件随机性强、形式多祥，因此，这种阈值判断的方法误判率较高，而且很不稳定。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供ー种，它根据人体摔倒特征建立神经网络模型，利用惯性导航模块提供的人体姿态角度和融合加速度作为神经网络输入信号，通过反向传播、滑动窗口和机器学习算法可以稳定输出准确的摔倒信息，它具有准确检测被测人员的摔倒状況，并且对其实时跟踪定位，系统具有方便实用，准确率高，稳定性强的优点。为了实现上述目的，本专利技术采用如下技术方案ー种摔倒检测定位系统，它包括摔倒检测定位装置，所述摔倒检测定位装置包括惯性导航模块、GPS模块、主控制器和Sim-300模块，所述惯性导航模块由三轴陀螺仪、三轴磁力计和三轴加速度计组成，所述GPS模块、惯性导航模块分别与主控制器连接，主控制器和Sim-300模块连接，所述摔倒检测定位装置通过GSM/GPRS与绑定被测人员的亲属手机、监护站连接。利用上述摔倒检测定位系统的工作过程为步骤ー对摔倒检测定位装置进行系统初始化，配置各个传感器的寄存器，然后根据人体摔倒的特征建立神经网络模型，通过输入教师信号对网络进行训练，具体过程为(O初始化，假设没有先验知识可用，以ー个一致分布来随机地挑选突触权值，这个分布选择为均值等于O的均匀分布，它的方差的选择应该使得神经元的诱导局部域的标准偏差位于sigmoid激活函数的线性部分与饱和部分的过渡处；(2)采集样本，将AHRS模块佩戴在实验人员的腰部，实验人员通过做出多种摔倒动作和正常的日常行为动作，记录这N组实验数据作为训练样本(X(N)，d(N))，逐次将每个样本(X(i)，d(i))呈现出来；(3)前向计算，假设本次计算的训练样本是(X(n), d(n)),即X(n) = {suma(n), pitch (n), roll (η)},期望输出为d(n)，激活函数选取sigmoid非线性函数，计算实际输出ο (η)，则误差信号e (n) =d (η) -ο (η)，对每ー组训练样本经过前向计算得到的误差信号如果满足要求(规定一个误差范围，在这里规定该神经网络的误差阈值是0.01%)，则认为反向传播算法已经收敛，本组样本训练结束，进行下一组样本的训练，否则将进行反向计算，继续调整各层神经网络的权值；(4)迭代，调整好各层权值后，返回前向计算，直到误差信号满足规定的收敛准则，然后，进行下一组样本的训练，直到所有的N组试验样本全部训练完成；步骤ニ 惯性导航模块采集三轴MEMS陀螺仪的信号，采用四元数姿态表达式，积分求得陀螺仪姿态角，同时采集三轴MEMS加速度计和三轴磁力计的信号，利用重力场和大地磁场在地理坐标系和机体坐标系之间的方向余弦转换进行绝对角度解算，得到绝对姿态角，然后根据信号的变化频率实时改变滤波參数，对两次得到的姿态角进行基于扩展式卡尔曼滤波的数据融合，最终输出准确稳定的姿态角度和融合加速度，其中，加速度计与陀螺仪的融合原理主要是静态的时候用加速度计修正陀螺仪的值，动态的时候利用陀螺仪的值修正加速度计的值，根据运动体上的三轴加速度计输出的三轴加速度(Ax，Ay，Az)，分别求取俯仰角本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.ー种摔倒检测定位系统，其特征是，它包括摔倒检测定位装置，所述摔倒检测定位装置包括惯性导航模块、GPS模块、主控制器和Sim-300模块，所述惯性导航模块由三轴陀螺仪、三轴磁力计和三轴加速度计组成，所述GPS模块、惯性导航模块分别与主控制器连接，主控制器和Sim-300模块连接，所述摔倒检测定位装置通过GSM/GPRS与绑定被测人员的亲属手机、监护站连接。2.利用权利要求I所述摔倒检测定位系统的工作过程为 步骤ー对摔倒检测定位装置进行系统初始化，配置各个传感器的寄存器，然后根据人体摔倒的特征建立神经网络模型，通过输入教师信号对网络进行训练，此处设定误差要求为O. 01% ;当网络输出满足误差要求时，认为网络已经训练完成； 步骤ニ 惯性导航模块采集三轴MEMS陀螺仪的信号，采用四元数姿态表达式，积分求得陀螺仪姿态角，同时采集三轴MEMS加速度计和三轴磁力计的信号，利用重力场和大地磁场在地理坐标系和机体坐标系之间的方向余弦转换进行绝对角度解算，得到绝对姿态角，然后根据信号的变化频率实时改变滤波參数，对两次得到的姿态角进行基于扩展式卡尔曼滤波的数据融合，最终输出准确稳定的姿态角度和融合加速度，其中，加速度计与陀螺仪的融合原理主要是静态的时候用加速度计修正陀螺仪的值，动态的时候利用陀螺仪的值修正加速度计的值，根据运动体上的三轴加速度计输出的三轴加速度(Ax，Ay，Az)，分别求取俯仰角pitchztan'-Ay,-Az),倾斜角roll=tan 1 (A ^A2y+A1z )，融合加速度sura_a=^A；+A；+A^ ;磁力计与加速度计的融合原理主要是利用加速度计进行磁力计的倾斜补偿，读取磁力计输出的三轴磁场強度，求取倾斜补偿后的磁力计输出 Μ = M'I ζοφ'ο ) + Mnv pilch)cos(ri；//)- M1 cos(pi/ch)sin(/v;//) M； =Mby cos(pitch)+Mbz sin(/ ‘te/2)根据计算出的倾斜补偿后的磁力计输出，求取偏航角 Yaw= tan^1 (M； I Mnx) ' 步骤三主控制器接收GPS模块和惯性导航模块的数据，将姿态角度和融合加速度输入训练好的神经网络进行摔倒判断，采用滑动窗ロ的方法对采样数据进行处理，根据神经网络的输出结果进行判断，如果没有摔倒，主控制器通过GSM通信方式将状态和位置信息上传到监护站的服务器，如果摔倒，主控制器除了将信息上传监护...

【专利技术属性】
技术研发人员：田国会，周风余，张庆宾，李健，王然，李宝参，张凯，张衍儒，丁娜娜，
申请(专利权)人：山东大学，
类型：发明
国别省市：