一种基于手机的老人跌倒检测方法

摘要

本发明公开了一种基于手机的老人跌倒检测方法，采集手机的三轴加速度传感器和陀螺仪传感器信息，即得加速度与角加速度；对采集到的加速度和角加速度，利用小波滤波的方法进行滤波，得到滤波后的加速度和角加速度；分别对滤波后的加速度和角加速度构造时域特征向量，采用改进的SVM机器学分类算法针对三轴向加速度传感器跌倒的加速度的特征向量进行第一级筛选；通过陀螺仪传感器的跌倒的角加速度的特征向量，得到第二级跌倒判定的结果；最终判定人体是否跌倒，完成跌倒识别。本发明用于检测跌倒，准确率高，检测时间短，成本低，仅需携带手机，使用方便。

主权项

一种基于手机的老人跌倒检测方法，其特征在于，包括以下步骤：步骤1)：采集手机的三轴加速度传感器和陀螺仪传感器信息，获取三轴加速度传感器的x轴、y轴、z轴的加速度，陀螺仪传感器的x轴、y轴、z轴的角加速度；步骤2)：对采集到的加速度和角加速度，利用小波滤波的方法进行滤波，得到滤波后的加速度和角加速度；步骤3)：分别对滤波后的加速度和角加速度构造时域特征向量，按时间区间作为分析范围，引入一个截取时间片段的窗口，整合所有窗口内的时间区域的特征向量，分别形成三轴加速度传感器和陀螺仪传感器的特征向量；步骤4)：从形成三轴加速度传感器和陀螺仪传感器的特征向量中，选择提取具有跌倒属性的特征向量，并利用PCA进行特征提取选取主要的跌倒特征，得到跌倒的加速度和角加速度的特征向量；步骤5)：采用改进的SVM机器学习分类算法针对三轴向加速度传感器跌倒的加速度的特征向量进行第一级筛选；利用改进的SVM机器学习分类算法形成的分类器，对加速度的特征向量进行分类，得到第一级跌倒判定的结果；步骤6)：通过陀螺仪传感器的跌倒的角加速度的特征向量，对其进行积分得到人体姿态角，查验人体姿态角是否己经小于预定阈值来确定人体是否己经摔倒，得到第二级跌倒判定的结果；步骤7)：综合第一级和第二级跌倒判定的结果，最终判定人体是否跌倒，完成跌倒识别。