基于运动手表的跌倒识别和报警方法

1.本发明涉及安全监测技术领域，具体为基于运动手表的跌倒识别和报警方法。


背景技术：

2.研究表明，约有28％至35％的65岁以上的老人每年至少跌倒一次。老人跌倒后，极易造成严重的身体损伤，例如骨折、神经损伤、脑中风等。1小时以上的倒地时间被定义为长时间倒地，而长时间的倒地不起常常导致更严重的健康损伤以及更高的致死率。为改善这一现状，跌倒检测技术得到了广泛研究。当人发生摔倒时，能够检测到并发出警报。基于三轴加速度传感器的可穿戴设备的跌倒检测系统是时下较为热门的研究方向。近年来，智能手机、智能手表等智能终端设备的快速发展使得基于惯性传感器(加速度传感器、陀螺仪、方向计等)的跌倒检测系统成为可能。
3.2018年9月，苹果公司在其新推出的apple watch 4代中增加了跌倒检测功能。该功能通过分析手腕活动轨迹和冲击加速度检测跌倒，并针对打球等剧烈活动做了防误报措施。然而，苹果手表在日常活动中的跌倒检测性能并不尽如人意。此外，已有研究者或研究机构公开了一些数据集，基于可穿戴惯性传感器采集跌倒与非跌倒信息。研究者使用公开的跌倒数据集进行跌倒检测模型搭建，得到的跌倒识别性能范围为63％-98.1％。
4.基于上述问题，我们提出一种基于运动手表的跌倒识别和报警方法。


技术实现要素：

5.本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.鉴于现有技术中存在的问题，提出了本发明。
7.因此，本发明的目的是提供基于运动手表的跌倒识别和报警方法，能够实现在使用的过程中，具有摔倒检测功能，且具有自动警报和自动警报的功能，安全性高。
8.为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
9.基于运动手表的跌倒识别和报警方法，其包括如下步骤：
10.步骤1：检测人员的运动状态信息，利用加速度传感器持续采集运动手表的加速度计数据；
11.步骤2：对加速度计数据进行数据处理，包括数据分割、滤波、特征提取；
12.步骤3：经过数据处理后将加速度特征向量输入到基于支持向量机(svm)的跌倒识别模型中进行判定：若未检测到跌倒，则返回步骤1；若检测到跌倒，进入步骤4；
13.步骤4：弹窗提示跌倒者是否需要帮助，跌倒者可选择“紧急上报”或“我没事”，若选择“我没事”，返回步骤1；若选择“紧急上报”，进入步骤5；若跌倒者超过40秒未进行选择，则进入步骤五；
14.步骤5：发出远程报警，提醒跌倒者的监护人员有跌倒行为发生。
15.作为本发明所述的基于运动手表的跌倒识别和报警方法的一种优选方案，其中：所述步骤2中，跌倒行为大多数发生于0.5-2秒的时间范围内，因此选择每隔0.5秒采集过去2秒内的三轴加速度数据作为模型的输入。
16.作为本发明所述的基于运动手表的跌倒识别和报警方法的一种优选方案，其中：三轴加速度数据包含：x轴加速度a
x
、y轴加速度ay和z轴加速度az；采集三轴加速度数据后对三轴加速度数据进行处理。
17.作为本发明所述的基于运动手表的跌倒识别和报警方法的一种优选方案，其中：数据处理包括：
18.数据分割：对加速度时间序列进行分割，采用滑动窗口法提取数据，将窗口大小设置为200个采样点(持续时间为2s)，并将窗口按照50个采样点的步长沿着加速度时间序列提取数据；
19.滤波：因加速度计容易受到外部环境的噪声影响，对加速度数据进行滤波，由于人体运动多发生在20hz的频率下，采用截止频率为20hz的低通滤波器对加速度数据进行滤波，经过滤波后的加速度数据更新如下，其中a
i,n
为第i(i∈x,y,z)轴上的加速度数据在第n时刻的采样点，为滤波后的数据：
[0020][0021]
特征提取：首先基于三轴加速度数据每个时刻的三轴加速度的合成加速度a
total
，随后提取2秒内所有的合成加速度以及三轴加速度的特征，包括a
total
的最小值、a
total
的均值、a
total
的方差、a
total
的导数和、a
x
的方差、ay的方差、z轴加速度的方差、a
x
的最大值和最小值的差值、ay的最大值和最小值的差值、身体旋转角度、az的和值、az的平均值、a
x
的和值、ay的和值、az的和值。
[0022]
作为本发明所述的基于运动手表的跌倒识别和报警方法的一种优选方案，其中：所述步骤3中，跌倒识别判定过程：将上述步骤2提到的15个特征值拼接组成特征向量feat
fall
，并输入到支持向量机中进行二分类；计算特征向量feat
fall
与训练好的支持向量机的参数向量ω的点积，并和支持向量机的偏置值bias相加，得到检测结果fall
detect
：若fall
detect
大于0，表明检测到跌倒；否则，表明未检测到跌倒。
[0023]
fall
detect
＝feat
fall
·
ω+bias
[0024]
与现有技术相比，本发明的有益效果是：能够检测人体佩戴手表状态下有无跌倒行为发生。若检测到跌倒，则进行弹窗提示，询问跌倒者是否需要报警救助；当跌倒者长时间无反应后，手表进行自动报警。
附图说明
[0025]
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0026]
图1为本发明步骤流程结构示意图。
具体实施方式
[0027]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
[0028]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
[0029]
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0030]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
[0031]
本发明提供如下技术方案：基于运动手表的跌倒识别和报警方法，在使用的过程中，具有摔倒检测功能，且具有自动警报和自动警报的功能，安全性高；
[0032]
基于运动手表的跌倒识别和报警方法，其包括如下步骤：
[0033]
步骤1：检测人员的运动状态信息，利用加速度传感器持续采集运动手表的加速度计数据；
[0034]
步骤2：对加速度计数据进行数据处理，包括数据分割、滤波、特征提取；
[0035]
跌倒行为大多数发生于0.5-2秒的时间范围内，因此选择每隔0.5秒采集过去2秒内的三轴加速度数据作为模型的输入。
[0036]
三轴加速度数据包含：x轴加速度a
x
、y轴加速度ay和z轴加速度az；采集三轴加速度数据后对三轴加速度数据进行处理。
[0037]
数据处理包括：
[0038]
数据分割：对加速度时间序列进行分割，采用滑动窗口法提取数据，将窗口大小设置为200个采样点(持续时间为2s)，并将窗口按照50个采样点的步长沿着加速度时间序列提取数据；
[0039]
滤波：因加速度计容易受到外部环境的噪声影响，对加速度数据进行滤波，由于人体运动多发生在20hz的频率下，采用截止频率为20hz的低通滤波器对加速度数据进行滤波，经过滤波后的加速度数据更新如下，其中a
i,n
为第i(i∈x,y,z)轴上的加速度数据在第n时刻的采样点，为滤波后的数据：
[0040][0041]
特征提取：首先基于三轴加速度数据每个时刻的三轴加速度的合成加速度a
total
，随后提取2秒内所有的合成加速度以及三轴加速度的特征，包括a
total
的最小值、a
total
的均值、a
total
的方差、a
total
的导数和、a
x
的方差、ay的方差、z轴加速度的方差、a
x
的最大值和最小值的差值、ay的最大值和最小值的差值、身体旋转角度、az的和值、az的平均值、a
x
的和值、ay的和值、az的和值。
[0042]
步骤3：经过数据处理后将加速度特征向量输入到基于支持向量机(svm)的跌倒识别模型中进行判定：若未检测到跌倒，则返回步骤1；若检测到跌倒，进入步骤4；
[0043]
跌倒识别判定过程：将上述步骤2提到的15个特征值拼接组成特征向量feat
fall
，
并输入到支持向量机中进行二分类；计算特征向量feat
fall
与训练好的支持向量机的参数向量ω的点积，并和支持向量机的偏置值bias相加，得到检测结果fall
detect
：若fall
detect
大于0，表明检测到跌倒；否则，表明未检测到跌倒。
[0044]
fall
detect
＝feat
fall
·
ω+bias
[0045]
步骤4：弹窗提示跌倒者是否需要帮助，跌倒者可选择“紧急上报”或“我没事”，若选择“我没事”，返回步骤1；若选择“紧急上报”，进入步骤5；若跌倒者超过40秒未进行选择，则进入步骤五；
[0046]
步骤5：发出远程报警，提醒跌倒者的监护人员有跌倒行为发生。
[0047]
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

技术特征：
1.基于运动手表的跌倒识别和报警方法，其特征在于：包括如下步骤：步骤1：检测人员的运动状态信息，利用加速度传感器持续采集运动手表的加速度计数据；步骤2：对加速度计数据进行数据处理，包括数据分割、滤波、特征提取；步骤3：经过数据处理后将加速度特征向量输入到基于支持向量机(svm)的跌倒识别模型中进行判定：若未检测到跌倒，则返回步骤1；若检测到跌倒，进入步骤4；步骤4：弹窗提示跌倒者是否需要帮助，跌倒者可选择“紧急上报”或“我没事”，若选择“我没事”，返回步骤1；若选择“紧急上报”，进入步骤5；若跌倒者超过40秒未进行选择，则进入步骤五；步骤5：发出远程报警，提醒跌倒者的监护人员有跌倒行为发生。2.根据权利要求1所述的基于运动手表的跌倒识别和报警方法，其特征在于：所述步骤2中，跌倒行为大多数发生于0.5-2秒的时间范围内，因此选择每隔0.5秒采集过去2秒内的三轴加速度数据作为模型的输入。3.根据权利要求2所述的基于运动手表的跌倒识别和报警方法，其特征在于：三轴加速度数据包含：x轴加速度a
x
、y轴加速度a
y
和z轴加速度a
z
；采集三轴加速度数据后对三轴加速度数据进行处理。4.根据权利要求3所述的基于运动手表的跌倒识别和报警方法，其特征在于：数据处理包括：数据分割：对加速度时间序列进行分割，采用滑动窗口法提取数据，将窗口大小设置为200个采样点(持续时间为2s)，并将窗口按照50个采样点的步长沿着加速度时间序列提取数据；滤波：因加速度计容易受到外部环境的噪声影响，对加速度数据进行滤波，由于人体运动多发生在20hz的频率下，采用截止频率为20hz的低通滤波器对加速度数据进行滤波，经过滤波后的加速度数据更新如下，其中a
i,n
为第i(i∈x,y,z)轴上的加速度数据在第n时刻的采样点，为滤波后的数据：特征提取：首先基于三轴加速度数据每个时刻的三轴加速度的合成加速度a
total
，随后提取2秒内所有的合成加速度以及三轴加速度的特征，包括a
total
的最小值、a
total
的均值、a
total
的方差、a
total
的导数和、a
x
的方差、a
y
的方差、z轴加速度的方差、a
x
的最大值和最小值的差值、a
y
的最大值和最小值的差值、身体旋转角度、a
z
的和值、a
z
的平均值、a
x
的和值、a
y
的和值、a
z
的和值。5.根据权利要求4所述的基于运动手表的跌倒识别和报警方法，其特征在于：所述步骤3中，跌倒识别判定过程：将上述步骤2提到的15个特征值拼接组成特征向量feat
fall
，并输入到支持向量机中进行二分类；计算特征向量feat
fall
与训练好的支持向量机的参数向量ω的点积，并和支持向量机的偏置值bias相加，得到检测结果fall
detect
：若fall
detect
大于0，表明检测到跌倒；否则，表明未检测到跌倒。fall
detect
∈feat
fall
·
ω+bias

技术总结
本发明属于安全监测技术领域，具体为基于运动手表的跌倒识别和报警方法，包括步骤1：检测人员的运动状态信息，利用加速度传感器持续采集运动手表的加速度计数据；步骤2：对加速度计数据进行数据处理，包括数据分割、滤波、特征提取；步骤3：经过数据处理后将加速度特征向量输入到基于支持向量机(SVM)的跌倒识别模型中进行判定：若未检测到跌倒，则返回步骤1；若检测到跌倒，进入步骤4；步骤4：弹窗提示跌倒者是否需要帮助，跌倒者可选择“紧急上报”或“我没事”，若选择“我没事”，返回步骤1；若选择“紧急上报”，进入步骤5，其结构合理，在使用的过程中，具有摔倒检测功能，且具有自动警报和自动警报的功能，安全性高。安全性高。安全性高。


技术研发人员：周志雄 高伟东 张晋喜 赵琪 郭晓田 吴思颖
受保护的技术使用者：首都体育学院
技术研发日：2023.08.02
技术公布日：2023/10/19