CN108771543B - 一种基于大数据的真实环境下老人跌倒检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据的真实环境下老人跌倒检测方法及系统，属于模式识别和人体行为识别技术领域，本发明要解决的技术问题为目前已有的跌倒检测系统及方法准确性差、不能满足个体的差异性以及无法获得老人跌倒实验数据，采用的技术方案为：①一种基于大数据的真实环境下老人跌倒检测方法，该方法是基于大数据平台，利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统，通过可穿戴设备采集老人真实环境下的日常行为数据，通过物联网技术将数据传送到大数据平台。②一种基于大数据的真实环境下老人跌倒检测系统，该系统包括可穿戴设备、外设报警设备和大数据平台，可穿戴设备包括传感器、单片机和无线传输模块。

Description

一种基于大数据的真实环境下老人跌倒检测方法及系统

技术领域

本发明涉及模式识别和人体行为识别技术领域，具体地说是一种基于大数据的真实环境下老人跌倒检测方法及系统。

背景技术

基于可穿戴设备的跌倒检测系统一般佩戴于胸部、腰部、腿部及腕部等部位。通过在设备中加入相关的姿态传感器，从而形成可穿戴检测设备，采集实验对象在运动过程中通过传感器输出的数据来分析并检测跌倒行为。穿戴式设备还有一个优点，它可采集到其他基于视频或环境的跌倒检测系统所不能采集到的生理指标，如血压、心电等信息。TatungUniversity的Shang-Lin Hsieh等提出一种腕式跌倒检测系统，通过实验检测出系统获得良好的平均灵敏度和特异性。Pannurat,N.等人提出了自动跌倒看控系统。Shany,T.等利用可穿戴式传感器进行人体行为识别和跌倒检测。Habib,M.A.等利用智能手机的进行跌倒性检测。Casilari,E.等人提出了基于Android系统的跌倒检测方案。Yuan,J等人提出利用高效的中断驱动算法来进行跌倒检测和人的日常行为识别。Vavoulas,G.等利用智能手机完成来人体的跌倒检测。Medrano,C.等提出来利用智能手机获取加速度的新方法来进行跌倒检测。López,J.D.等人利用多个加速度融合构建了行为检测系统。Koshmak,G.A.等人结合Android系统和生理性检测来进行跌倒检测。国内很多研究者也纷纷提出很多有关跌倒检测的方法，但大多都是关于算法改进或者利用不同的传感器的结合来实现跌倒检测，并且都是采用青年志愿者来模拟跌倒和日常行为的形式以获取实验数据，这些检测算法一旦应用于真实的老人跌倒数据样本中，其跌倒检测准确率大大降低了。

目前已有的跌倒检测系统存在的问题如下：

(一)、已有跌倒检测系统都是以青年志愿者模拟跌倒和日常行为获取实验数据，虽然获得了很高的准确率，但该算法一旦用于真实环境下的老人跌倒检测时，其准确率却大大降低；

(二)、跌倒检测系统不能够满足个体的差异性，具体应用场景中不同用户身高体重不一样，在跌倒检测过程中系统参数也会有所变化，系统参数统一的直接后果是加剧跌倒检测的误差；

(三)、在实验过程中不可能让老人去模拟跌倒获取实验数据，即真实的老人跌倒实验数据很难获取。

发明内容

本发明的技术任务是提供一种基于大数据的真实环境下老人跌倒检测方法及系统，来解决目前已有的跌倒检测系统及方法准确性差、不能满足个体的差异性以及无法获得老人跌倒实验数据的问题。

本发明的技术任务是按以下方式实现的，一种基于大数据的真实环境下老人跌倒检测方法，该方法是基于大数据平台，利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统，通过可穿戴设备采集老人真实环境下的日常行为数据，通过物联网技术将数据传送到大数据平台；具体步骤如下：

S1、可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统，下一步执行步骤S2；

S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理，下一步执行步骤S3；

S3、判断是否为预设阶段：

(1)、若是，则大数据平台为预设阶段，下一步跳转至步骤S8；

(2)、若不是，则大数据平台不在预设阶段，下一步执行步骤S4；

S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测，下一步执行步骤S5；

S5、根据步骤S4检测出的行为类，中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比，判断此行为类是否在行为类数据库中：

(1)、若在，则执行步骤S6；

(2)、若不在，则跳转至步骤S7；

S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较，判断此行为类是否为跌倒行为：

(1)、若是，则执行步骤S7；

(2)、若不是，则执行步骤S9；

S7、中央处理系统触发报警模块发出报警信号到外设报警设备，外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况，下一步执行步骤S8；

S8、问询并确认行为类名称，并将行为类存储到行为类数据库中，下一步执行步骤S9；

S9、将提取到的样本特征添加到对应行为样本数据库中。

作为优选，所述可穿戴设备是由传感器、无线传输模块和单片机集成。

作为优选，所述传感器采用ADXL345传感器，无线传输模块采用无线传输模块CC1000。

作为优选，所述步骤S2中对采集到的X、Y、Z三轴加速度数据进行特征提取具体为：根据采集到的数据分别从时域提取Y、Z两轴上的均值、低于25的分位值和低于75的分位值，在频域上基于Y轴上提取频谱最大频率、5Hz以下的频率分量值和和5Hz以下频谱的峰值。

更优地，在Y、Z两轴上提取样本数据，即计算在Y、Z两轴上的加速度mag：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_z是指可穿戴传感器在Z轴上获取到的加速度值。

更优地，所述在时间域上提取Y、Z两轴上的均值为：

其中，A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；A_zi表示可穿戴传感器在Z轴上获取到的第i个加速样本度值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

利用函数prctile()求出mag数据的25分位值p25和75分位值p75,同时分别计算出低于p25和低于p75的mag数据的平方和sumsq25和sumsq75。

更优地，在频域上基于Y轴的特征提取，求出Y轴方向上的加速度的离差：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

对离差进行快速傅里叶变换后，分别求出频谱最大频率maxFreq、5Hz以下的频率分量之sum5Hz和5Hz以下的频谱的峰值numPeaks。

更优地，所述步骤S2中提取到的时间域和频域特征量合并成一个特征向量，对特征向量进行归一化处理。

一种基于大数据的真实环境下老人跌倒检测系统，该系统包括可穿戴设备、外设报警设备和大数据平台，可穿戴设备包括传感器、单片机和无线传输模块，大数据平台包括数据库和中央处理系统，单片机连接并控制传感器和无线传输模块，无线传输模块无线连接中央处理系统，中央处理系统发送报警信息到外设报警设备；

传感器用于采集人体活动产生的三轴加速度的数据；

单片机用于控制传感器和无线传输模块的工作状态

无线传输模块用于将传感器采集到的数据传输给中央处理系统；

数据库用于分类存储老人真实环境下的日常行为数据；数据库包括行为类数据库和行为样本数据库，行为类数据库用于存储行为类数据，行为样本数据库用于存储行为样本；

中央处理系统用于处理接收到的数据并下达处理命令；

外设报警设备用于接收中央处理系统发出的报警信息并发出报警信号提醒子女或看护人员老人可能出现危险情况，外设报警设备采用报警器或移动终端。

作为优选，所述中央处理系统包括特征处理模块、预设阶段判别模块、分类器、行为类数据比对模块、跌倒行为判别模块、报警模块和数据库创建维护模块；

特征处理模块用于对无线传输模块传输到中央处理系统的三轴加速度度进行特征提取并归一化；

预设阶段判别模块用于判断该老人跌倒检测系统是否处在预设阶段；

分类器采用基于SVM的分类器，分类器用于对提取的行为特征进行人体行为类的检测；

行为类数据比对模块用于判断分类器检测到的行为类是否在已有行为类数据库中；

跌倒行为判别模块用于判断分类器检测到的行为类是否为跌倒行为；

报警模块用于异常情况时发送报警信息给老人的子女或看护人员；

数据库创建维护模块用于建立数据库，添加行为类数据库和行为样本数据库以及后期的更新管理工作。

本发明的基于大数据的真实环境下老人跌倒检测方法及系统与现有技术相比具有以下优点：

(一)、本发明能够有效的解决目前很多跌倒检测算法利用年轻人模拟跌倒获取数据，应用到真实环境中的老年人时，其算法的准确率大大降低的问题，本发明在试用阶段，首先存入一些老人日常行为数据作为训练样本，并分好类别，在后续的使用过程中，如果检测到数据库中没有的行为类，则触发报警，并确认该动作是否为跌倒，如果为跌倒，数据库中增加一类，并把数据存入数据库，随着使用时间的增长，数据库中的数据样本不断增加，则跌倒检测的准确率也将不断的提高，实现大数据背景下的老人真实环境的智能跌倒检测，大幅度提高真实环境下老人跌倒检测系统的稳定性、准确率和检测效率；

(二)、本发明以大数据平台为背景，应用物联网技术对真实环境下的老人的行为进行识别检测，尤其针对老人的跌倒进行实时的看控，出现异常情况进行及时的报警处理，通过老人自己真实的行为数据来进行检测识别，能够做到因人而异，可以实现样本的个性化，从而提高了老人行为判别的准确率；

(三)本发明应用大数据平台，能够做到因人而异的采集数据样本，使得使用本发明的每个人，都是采集自己的数据样本，且随着使用时间的加长，行为类数据库和对应的样本数据库数据量将越来越多，分类器的检测将会越来越准确，因此能够做到因人而异的跌倒检测，同时也做到了真实环境下的样本采集，更加有利于提高跌倒检测的准确率。

附图说明

下面结合附图对本发明进一步说明。

附图1为基于大数据的真实环境下老人跌倒检测方法流程框图；

附图2为基于大数据的真实环境下老人跌倒检测系统的结构框图。

具体实施方式

参照说明书附图和具体实施例对本发明的一种基于大数据的真实环境下老人跌倒检测方法及系统作以下详细地说明。

实施例：

如附图1所示，本发明的基于大数据的真实环境下老人跌倒检测方法，该方法是基于大数据平台，利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统，通过可穿戴设备采集老人真实环境下的日常行为数据，通过物联网技术将数据传送到大数据平台；具体步骤如下：

S1、由ADXL345传感器、无线传输模块CC1000和单片机集成可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统，下一步执行步骤S2；

S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理，下一步执行步骤S3；

S3、判断是否为预设阶段：

(1)、若是，则大数据平台为预设阶段，下一步跳转至步骤S8；

(2)、若不是，则大数据平台不在预设阶段，下一步执行步骤S4；

S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测，下一步执行步骤S5；

S5、根据步骤S4检测出的行为类，中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比，判断此行为类是否在行为类数据库中：

(1)、若在，则执行步骤S6；

(2)、若不在，则跳转至步骤S7；

S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较，判断此行为类是否为跌倒行为：

(1)、若是，则执行步骤S7；

(2)、若不是，则执行步骤S9；

S7、中央处理系统触发报警模块发出报警信号到外设报警设备，外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况，下一步执行步骤S8；

S8、问询并确认行为类名称，并将行为类存储到行为类数据库中，下一步执行步骤S9；

S9、将提取到的样本特征添加到对应行为样本数据库中。

其中，步骤S2中对采集到的X、Y、Z三轴加速度数据进行特征提取具体为：根据采集到的数据分别从时域提取Y、Z两轴上的均值、低于25的分位值和低于75的分位值，在频域上基于Y轴上提取频谱最大频率、5Hz以下的频率分量值和和5Hz以下频谱的峰值，具体如下：

(1)、在Y、Z两轴上提取样本数据，即计算在Y、Z两轴上的加速度mag：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_z是指可穿戴传感器在Z轴上获取到的加速度值。

(2)、在时间域上提取Y、Z两轴上的均值为：

其中，A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；A_zi表示可穿戴传感器在Z轴上获取到的第i个加速样本度值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

利用函数prctile()求出mag数据的25分位值p25和75分位值p75,同时分别计算出低于p25和低于p75的mag数据的平方和sumsq25和sumsq75。

(3)、在频域上基于Y轴的特征提取，求出Y轴方向上的加速度的离差：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

对离差进行快速傅里叶变换后，分别求出频谱最大频率maxFreq、5Hz以下的频率分量之sum5Hz和5Hz以下的频谱的峰值numPeaks；

(4)、将提取到的时间域和频域特征量合并成一个特征向量，对特征向量进行归一化处理。

实施例2：

如附图2所示，本发明的基于大数据的真实环境下老人跌倒检测系统，该系统包括可穿戴设备、外设报警设备和大数据平台，可穿戴设备包括传感器、单片机和无线传输模块，大数据平台包括数据库和中央处理系统，单片机连接并控制传感器和无线传输模块，无线传输模块无线连接中央处理系统，中央处理系统发送报警信息到外设报警设备；传感器用于采集人体活动产生的三轴加速度的数据；单片机用于控制传感器和无线传输模块的工作状态无线传输模块用于将传感器采集到的数据传输给中央处理系统；数据库用于分类存储老人真实环境下的日常行为数据；数据库包括行为类数据库和行为样本数据库，行为类数据库用于存储行为类数据，行为样本数据库用于存储行为样本；中央处理系统用于处理接收到的数据并下达处理命令；外设报警设备用于接收中央处理系统发出的报警信息并发出报警信号提醒子女或看护人员老人可能出现危险情况，外设报警设备采用报警器或移动终端。

中央处理系统包括特征处理模块、预设阶段判别模块、分类器、行为类数据比对模块、跌倒行为判别模块、报警模块和数据库创建维护模块；特征处理模块用于对无线传输模块传输到中央处理系统的三轴加速度度进行特征提取并归一化；预设阶段判别模块用于判断该老人跌倒检测系统是否处在预设阶段；分类器采用基于SVM的分类器，分类器用于对提取的行为特征进行人体行为类的检测；行为类数据比对模块用于判断分类器检测到的行为类是否在已有行为类数据库中；跌倒行为判别模块用于判断分类器检测到的行为类是否为跌倒行为；报警模块用于异常情况时发送报警信息给老人的子女或看护人员；数据库创建维护模块用于建立数据库，添加行为类数据库和行为样本数据库以及后期的更新管理工作。

具体工作过程：

(一)、利用单片机和传感器采集人体活动产生的三轴加速度的数据，并利用无线传输模块传输数据到大数据平台的中央处理系统；

(二)、中央处理系统对收到的数据通过特征处理模块进行特征提取并归一化处理，并通过预设阶段判别模块判别该系统是否处于预设阶段：

(Ⅰ)、若中央处理系统在开始使用的阶段设置为预设阶段，则通过数据库创建维护模块需要对个人的一些日常行为动作类进行添加及采集数据样本，为后期的分类器检测提供样本；

(Ⅱ)、当处在正常使用阶段后，对采集到的数据特征用分类器进行检测，并通过行为类数据比对模块判断其行为类是否在数据库中：

(ⅰ)、若此行为类在行为类数据库中，则再继续通过跌倒行为判别模块判断是否为跌倒行为：

①、若是跌倒，则触发报警模块报警；

②、若不是跌倒行为，则将提取到的数据特征添加到对应行为类的数据样本库中；

(ⅱ)、若行为类不在行为类数据库中，即分类器检测到行为类是未知的行为，则首先触发报警模块报警，同时外设报警设备发出报警信号(因为行为类数据库中的日常行为已经存入，如果检测到未知的行为类，则就有跌倒的嫌疑，为了安全起见先触发报警)；而后确认此行为类名称，并通过数据库创建维护模块将此新行为类存入行为类数据库中，同时将数据特征添加到对应的行为类数据库中。

通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。

除说明书所述的技术特征外，均为本专业技术人员的已知技术。

Claims (9)

1.一种基于大数据的真实环境下老人跌倒检测方法，其特征在于该方法是基于大数据平台，利用可穿戴设备和物联网技术构建一个真实环境下老人跌倒检测系统，通过可穿戴设备采集老人真实环境下的日常行为数据，通过物联网技术将数据传送到大数据平台；具体步骤如下：

S1、可穿戴设备采集人体活动产生的三轴加速度数据并通过无线网络传输到大数据平台的中央处理系统，下一步执行步骤S2；

S2、中央处理系统对采集到的X、Y、Z三轴加速度数据进行特征提取并做归一化处理，下一步执行步骤S3；

S3、判断是否为预设阶段：

(1)、若是，则大数据平台为预设阶段，下一步跳转至步骤S8；

(2)、若不是，则大数据平台不在预设阶段，下一步执行步骤S4；

S4、利用分类器对步骤S2中提取的行为特征进行人体行为类的检测，下一步执行步骤S5；

S5、根据步骤S4检测出的行为类，中央处理系统将行为类数据库中的行为类与步骤S4检测出的行为类进行对比，判断此行为类是否在行为类数据库中：

(1)、若在，则执行步骤S6；

(2)、若不在，则跳转至步骤S7；

S6、中央处理系统将步骤S4检测出的行为类与行为类数据库中的跌倒行为类进行比较，判断此行为类是否为跌倒行为：

(1)、若是，则执行步骤S7；

(2)、若不是，则执行步骤S9；

S7、中央处理系统触发报警模块发出报警信号到外设报警设备，外设报警设备发出报警信号提醒老人的子女或者看护人员老人可能出现危险情况，下一步执行步骤S8；

S8、问询并确认行为类名称，并将行为类存储到行为类数据库中，下一步执行步骤S9；

S9、将提取到的样本特征添加到对应行为样本数据库中。

2.根据权利要求1所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于所述可穿戴设备是由传感器、无线传输模块和单片机集成。

3.根据权利要求2所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于所述传感器采用ADXL345传感器，无线传输模块采用无线传输模块CC1000。

4.根据权利要求1所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于所述步骤S2中对采集到的X、Y、Z三轴加速度数据进行特征提取具体为：根据采集到的数据分别从时域提取Y、Z两轴上的均值、低于25的分位值和低于75的分位值，在频域上基于Y轴上提取频谱最大频率、5Hz以下的频率分量值和5Hz以下频谱的峰值。

5.根据权利要求4所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于在Y、Z两轴上提取样本数据，即计算在Y、Z两轴上的加速度mag：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_z是指可穿戴传感器在Z轴上获取到的加速度值。

6.根据权利要求4或5所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于在时间域上提取Y、Z两轴上的均值为：

其中，A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；A_zi表示可穿戴传感器在Z轴上获取到的第i个加速样本度值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

利用函数prctile()求出mag数据的25分位值p25和75分位值p75,同时分别计算出低于p25和低于p75的mag数据的平方和sumsq25和sumsq75。

7.根据权利要求6所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于在频域上基于Y轴的特征提取，即求出Y轴方向上的加速度的离差：

其中，A_y表示可穿戴传感器在Y轴上获取到的加速度值；A_yi表示可穿戴传感器在Y轴上获取到的第i个加速度样本值；n是指可穿戴传感器在Y和Z上分别获取n个加速度样本值；

对离差进行快速傅里叶变换后，分别求出频谱最大频率maxFreq、5Hz以下的频率分量之sum5Hz和5Hz以下的频谱的峰值numPeaks。

8.根据权利要求7所述的基于大数据的真实环境下老人跌倒检测方法，其特征在于所述步骤S2中提取到的时间域和频域特征量合并成一个特征向量，对特征向量进行归一化处理。

9.一种基于大数据的真实环境下老人跌倒检测系统，其特征在于该系统包括可穿戴设备、外设报警设备和大数据平台，可穿戴设备包括传感器、单片机和无线传输模块，大数据平台包括数据库和中央处理系统，单片机连接并控制传感器和无线传输模块，无线传输模块无线连接中央处理系统，中央处理系统发送报警信息到外设报警设备；

传感器用于采集人体活动产生的三轴加速度的数据；

单片机用于控制传感器和无线传输模块的工作状态

无线传输模块用于将传感器采集到的数据传输给中央处理系统；

数据库用于分类存储老人真实环境下的日常行为数据；数据库包括行为类数据库和行为样本数据库，行为类数据库用于存储行为类数据，行为样本数据库用于存储行为样本；

中央处理系统用于处理接收到的数据并下达处理命令；中央处理系统包括特征处理模块、预设阶段判别模块、分类器、行为类数据比对模块、跌倒行为判别模块、报警模块和数据库创建维护模块；

特征处理模块用于对无线传输模块传输到中央处理系统的三轴加速度度进行特征提取并归一化；

预设阶段判别模块用于判断该老人跌倒检测系统是否处在预设阶段；

分类器采用基于SVM的分类器，分类器用于对提取的行为特征进行人体行为类的检测；

行为类数据比对模块用于判断分类器检测到的行为类是否在已有行为类数据库中；

跌倒行为判别模块用于判断分类器检测到的行为类是否为跌倒行为；

报警模块用于异常情况时发送报警信息给老人的子女或看护人员；

数据库创建维护模块用于建立数据库，添加行为类数据库和行为样本数据库以及后期的更新管理工作；

外设报警设备用于接收中央处理系统发出的报警信息并发出报警信号提醒子女或看护人员老人可能出现危险情况，外设报警设备采用报警器或移动终端。

Images