穿戴式人体跌倒检测系统及检测方法.doc

PAGE PAGE 1 说 明 书 摘 要 本发明提出了一种穿戴式人体跌倒检测装置，包括腰间多传感器信息处理模块和报警模块。应用于该系统的方法为：利用三轴加速度传感器和倾角传感器测量人体姿态变化，再对加速度和倾角信号进行滤波消除噪声后，提取能反应姿态变化显著的多个特征量或特征向量。对这些特征量采用差异度AdaBoost-SVM集成算法进行样本训练，构建一组基分类器差异性较大的支持向量机集成分类器，再将对待检测样本提取的特征输入到该支持向量机集成分类器，进行人体跌倒检测。本发明的显著特点是：采用本系统的检测系统和方法能方便地对人体姿态信号进行采集和特征识别，具有稳定的检测性能。 摘 要 附 图 图1 PAGE 3 权 利 要 求 书 一种穿戴式人体跌倒检测装置，其特征在于，由人体腰间多传感器信息处理模块和报警模块组成，系统一旦检测到发生跌倒，则将报警信息及佩戴者的全球定位信息GPS（Global Position System）通过通用分组无线服务技术GPRS（General Packet Radio Service）发送至亲属手机及救助中心，从而提供医疗救助。 一种穿戴式人体跌倒检测装置，其特征在于，通过加速度和倾角传感器采集的人体姿态数据，经过滤波和特征提取之后进行差异度AdaBoost-SVM分类器的训练；再得到该分类器之后，将其他部分的人体姿态数据经过同样处理流程提取特征，再输入到分类器进行跌倒识别。 根据权利要求1和3所述的穿戴式人体跌倒检测方法，其特征在于，所述加速度和倾角传感器采用一个三轴加速度传感器采集人体实时的加速度信息和两个正交放置的倾角传感器采集人体纵向和横向的倾角信息； 根据权利要求3所述的穿戴式人体跌倒检测方法，其特征在于，所述的滤波方法采用15阶滑动加权均值滤波，滤波后的数据， ；其中为输入数据。 根据权利要求3所述的穿戴式人体跌倒检测系统及检测方法，其特征在于，所述的提取的特征向量为它们分别是： 加速度强度矢量 (Signal Magnitude Vector) 速度幅度区域（Signal Magnitude Area） 加速度测量竖直方向倾角变化最大值 角传感器测量水平方向变化最大值 倾角传感器测量垂直方向变化最大值 式中，为提取特征的窗口长度，、和分别为轴、轴和轴方向上第时刻点的加速度值，单位为 ()；和分别为时刻和方向的倾角值。 SVM 根据权利要求3所述的穿戴式人体跌倒检测方法，其特征在于，所述的进行人体跌倒检测的分类器是差异度AdaBoost-SVM，算法流程： Table 1 算法：Diverse AdaBoost-SVM （1）输入：带标示的训练样本集，初始化的，，步长，差异度门限值； （2）初始化：训练样本的权重：。· （3）Do While （ⅰ）在加权的训练样本集内，训练一个SVM个体分类器； （ⅱ）计算分类器的训练误差：； （ⅲ）计算分类器的差异度：； （ⅳ）If ，按照减小的值且goto （ⅰ）； 设定个体分类器的权值： 。 更新训练样本的权重： 其中 为归一化的常数。且。 （4）输出：。 判断 PAGE 6 说 明 书 穿戴式人体跌倒检测系统及检测方法 技术领域 ： 本发明涉及人体跌倒检测技术领域，尤其是能提高跌倒检测系统的正确性和可靠性的人体跌倒检测系统及方法。适用于中老年人的跌倒报警及辅助医疗救助。 背景技术： 跌倒在老年人群中非常普遍，据估计，每年约有1/3的65岁以上的老人发生过跌倒，而且比例随着年龄增长而增加。跌倒往往会对老年人的身体带来巨大的损害，有时造成的后果对老年人来说甚至是致命的[2]，严重影响了老年人的身体健康和独立生活能力，并造成了老年人心理上的压力和恐惧，增加了家庭和社会负担。尽早地检测出跌倒事件可以使他们得到有效及时的帮助，减少医药费用。 跌倒是指突发、不自主、非故意的体位改变，倒在地面或比初始位置更低的平面上。人体跌倒检测是一个模式分类与识别问题，即将人体跌倒与人体日常行为（Activities of Daily Living，ADL）[3]区分开。目前，对人体跌倒检测的系统主要有基于音视频或者无线电等周围信号检测和基于穿戴式检测[4]。基于音视频信号的跌倒检测在其生活环境中安装音频和视频传感器，对比画面或者声音异常判定被