CN103308069B - 一种跌倒检测装置及方法 - Google Patents

Abstract

本发明公开了一种跌倒检测装置及方法，采用陀螺仪、加速度计、地磁计分别测量得到角速度数据、加速度数据、地磁数据，利用角速度数据求取基本姿态角，使用加速度数据和地磁数据对基本的姿态角进行噪声自适应的卡尔曼融合滤波，获取最终姿态角。通过角速度数据、加速度数据进行用户的动静状态判断，当用户为静态时根据姿态角判断是否为躺卧，如果用户为躺卧则进行躺卧动作的有/无意识甄别和跌倒受力评估，联合判定用户是否跌倒，在跌倒时进行报警。本发明得到姿态角较一般方法更为准确，同时采用有/无意识甄别和跌倒受力评估进行联合判定，可使跌倒判定结果更为准确，降低误报率。

Description

一种跌倒检测装置及方法

技术领域

本发明属于跌倒检测技术领域，更为具体地讲，涉及一种跌倒检测装置及方法。

背景技术

老年人的空巢独居已成为一个普遍和受到广泛关注的社会现象。由于身体机能随年龄增长而逐步退化，以及受到一些慢性疾患的影响，老年人的居家安全极易受到突发跌倒的威胁。研究实用化的实时跌倒检测装置具有重要的应用前景和市场价值。跌倒检测可以依靠部署于区域环境中的光学传感获取原始图像序列，通过视觉方法来识别人体运动状态的变化；也可以依靠部署于身体上的加速度计、陀螺仪等惯性器件获取人体运动产生的动态传感数据，通过数据处理和模式识别算法实现跌倒检测。目前制约跌倒检测装置实用化的主要问题在于现有技术普遍存在误报、漏报、穿戴舒适性等方面的不足。

在基于惯性传感器的跌倒检测方面，“浙江大学城市学院.一种跌倒检测方法、跌倒检测装置和穿戴式设备.中国发明专利，CN102626312A，2012.08.08”和“浙江大学城市学院.一种跌倒检测方法、跌倒检测装置和手腕式设备.中国发明专利，CN102657533A，2012.09.12”分别公开了两种基于三维加速度计的跌倒检测装置，但是仅简单地依靠加速度计传感器不能很好的识别人体跌倒过程中的人体姿态，极易出现误报；“重庆大学.一种基于多传感器的人体跌倒检测报警器.中国发明专利，CN102800170A，2012.11.28”公开了一种基于三轴加速度计和倾角传感器的跌倒检测装置，但此方法需要配合足底的压力传感器才能使用；“皇家飞利浦电子股份有限公司.一种跌倒检测系统.中国发明专利，CN102027379A，2011.04.28”公开了一种通过无源振动传感器来对跌倒进行早期识别和预测，并在识别到跌倒可能时，激活倾角、气压计、加速度计等一系列传感器来采集数据进行跌倒检测，但系统的实现需要设计两个处理器，以及各模块的独立供电，工作模式和过程也较复杂；“中国科学院计算技术研究所.一种跌倒检测方法和装置.中国发明专利，CN102302370A，2012.01.04”针对跌倒检测传感数据处理中基于阈值和模型的两种主要方法类型，公开了一种基于运动行为模型的跌倒检测方法，但需要针对各个用户个体进行训练。

可见，已有的基于惯性传感器的跌倒检测装置或方法没有很好的兼顾检测率、误报率、漏报率、易用性、舒适性等实用化需求。采用多种传感器综合或模型训练等方法可以提高检测质量，但不可避免地提高了复杂性和功耗，影响实时性、舒适性等；采用单一传感器虽然功耗低、实时性高，但往往检测质量不足，误报、漏报情况时有发生。

发明内容

本发明的目的在于克服现有技术的不足，提供一种满足多传感支持、低算法复杂度、低功耗、高检测率和低误报率的跌倒检测装置及方法。

为实现上述发明目的，本发明跌倒检测装置，佩戴于人体上身躯干部分，其特征在于包括：

传感器模块，用于检测用户运动，包括陀螺仪、加速度计、地磁计，分别得到角速度数据、加速度数据、地磁数据。

微处理器模块，包括微处理器、报警指示装置、报警取消装置，微处理器用于对传感器模块得到的角速度数据、加速度数据、地磁数据进行动态平滑滤波并计算姿态角，判断用户动静状态、是否为躺卧状态，当用户处于静态并躺卧时，进行有/无意识甄别和跌倒受力评估，当用户无意识躺卧且力冲击过大时，判定用户跌倒；报警指示装置用于在用户跌倒时提示用户进行报警确认；报警取消装置用于用户取消报警；如果在设定时间内用户未使用报警取消装置取消报警，则微处理器向无线通信模块发送报警信息，如果用户取消报警，微处理器取消报警，继续进行用户跌倒判断；

无线通信模块，用于将从微处理器模块接收的报警信息通过无线方式发送给无线监控终端；

电源模块，用于向传感器模块、微处理器模块、无线通信模块供电。

本发明还提供一种跌倒检测方法，其特征在于包括以下步骤：

（1）、采集传感器数据，传感器包括陀螺仪、加速度计、地磁计，采集得到角速度数据ω_m、加速度数据g_m、地磁数据m_m；

（2）、对由于高斯噪声造成的传感器数据的抖动进行动态平滑滤波；

（3）、求取姿态角，包括X、Y、Z轴的姿态角Roll、姿态角Pitch、姿态角Yaw，其中X轴指向人体前方，Y轴指向身体右侧，Z轴与人体躯干平行：

（4）、分别计算时间T₁内，加速度数据g_m和角速度数据ω_m的最大幅值g_{m_max}、ω_{m_max}与最小幅值g_{m_min}、ω_{m_min}之间的差值g_diff和ω_diff：

g_diff＝g_{m_max}-g_{m_min}

ω_diff＝ω_{m_max}-ω_{m_min}

其中，时间T₁、加速度差值阈值角速度差值阈值根据实际情况确定；当并且判定人体状态为静态，进入步骤（5），反之人体状态为动态，返回步骤（1）继续采集数据；

（5）、判断步骤（3）中得到的姿态角pitch是否大于预设定阈值pitch^*，如果pitch≤pitch^*，则用户未处于躺卧状态，返回步骤（1）继续采集数据，如果pitch＞pitch^*，则用户处于躺卧状态，进入步骤（6）；

（6）、进行用户躺卧动作的有/无意识甄别和跌倒受力评估，当用户无意识且力冲击过大时，则判断用户为跌倒，进入步骤（7），否则判断用户未跌倒，返回步骤（1）继续采集数据；

（7）、提示用户进行报警确认，用户在确认无事时取消报警，返回步骤（1）重新采集数据，如果用户在等待时间T₃内未取消报警，则通过无线通信向监控人员进行自动报警，等待时间T₃根据实际情况确定。

其中，姿态角求取包括以下步骤：

3.1）、角速度数据ω_m减去一个反馈子ω_b，再通过四元数微分方程求出包括基本姿态角的四元数姿态阵Q，其中第一次进行姿态角求取时的反馈子ω_b的初始值为0；

3.2）、用四元数姿态阵Q对参考坐标系的重力加速度向量g_r和地磁强度向量m_r分别进行姿态变换，得到变换后的重力加速度向量g_T和地磁强度向量m_T，其中参考坐标系的重力加速度向量g_r和地磁强度向量m_r根据实际情况设置；

3.3）、将重力加速度向量g_T、地磁强度向量m_T与加速度数据g_m、地磁数据m_m进行卡尔曼融合滤波，对四元数姿态阵Q进行两步校准，求出最终姿态角Roll、姿态角Pitch、姿态角Yaw和新的反馈子ω_b。

其中，有/无意识甄别的方法为：判断躺卧状态发生前时间T₂内加速度数据和角速度数据的最大幅值g_{m_max}和ω_{m_max}是否超过加速度阈值T_g和角速度阈值T_ω，当g_{m_max}＜T_g并且ω_{m_max}＜T_ω，则判定躺卧动作为有意识的，反之则判定为无意识，其中时间T₂、加速度阈值T_g和角速度阈值T_ω根据实际情况设置。

其中，跌倒受力评估的方法为：计算用户触地瞬间加速度增长的平均加速度根据实际情况设定加速度增长的平均加速度阈值当跌倒受到的力冲击过大，当跌倒受力在安全范围内。

本发明的发明目的是这样实现的：

本发明跌倒检测装置及方法，采用陀螺仪、加速度计、地磁计分别测量得到角速度数据、加速度数据、地磁数据，利用角速度数据求取基本姿态角，使用加速度数据和地磁数据对基本的姿态角进行噪声自适应的卡尔曼融合滤波，获取最终姿态角。通过角速度数据、加速度数据进行用户的动静状态判断，当用户为静态时根据姿态角判断是否为躺卧，如果用户为躺卧则进行躺卧动作的有/无意识甄别和跌倒受力评估，联合判定用户是否跌倒，在跌倒时进行报警。

本发明跌倒检测装置及方法具有以下有益效果：

1）、本发明在基本姿态角的基础上进行卡尔曼融合滤波，对基本姿态角进行校准，得到的最终姿态角更为精确。

2）、本发明采用有/无意识甄别和跌倒受力评估联合进行跌倒判定，可降低跌倒检测的误报率。

附图说明

图1是本发明跌倒检测装置的原理架构图；

图2是本发明跌倒检测装置的一种具体实施方式架构图；

图3是图2中传感器模块校准示意图；

图4是本发明跌倒检测装置的一种具体佩戴方式示意图；

图5是本发明跌倒检测方式一种具体实施方式流程图；

图6是递推平均滤波示意图；

图7是姿态角示意图；

图8是姿态角求取的一种具体实施方式流程图；

图9是跌倒过程加速度变化示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明跌倒检测装置的原理架构图。如图1所示，本发明跌倒检测装置包括传感器模块1、微处理器模块2、无线通信模块3、电源模块4，进行用户跌倒检测，并向无线监控终端5进行报警，各模块具体情况如下：

传感器模块1，用于检测用户运动，包括陀螺仪、加速度计、地磁计，分别得到角速度数据ω_m、加速度数据g_m、地磁数据m_m。

微处理器模块2，包括微处理器、报警指示装置、报警取消装置，微处理器用于对传感器模块1得到的角速度数据ω_m、加速度数据g_m、地磁数据m_m进行动态平滑滤波并计算姿态角，判断用户动静状态、是否为躺卧状态，当用户处于静态并躺卧时，进行有/无意识甄别和跌倒受力评估，当用户无意识躺卧且力冲击过大时，判定用户跌倒；报警指示装置用于在用户跌倒时提示用户进行报警确认；报警取消装置用于用户取消报警；如果在设定时间内用户未使用报警取消装置取消报警，则微处理器向无线通信模块发送报警信息，如果用户取消报警，微处理器取消报警，继续进行用户跌倒判断。

无线通信模块3，用于将从微处理器模块2接收的报警信息通过无线方式发送给无线监控终端5。在实际应用中，无线通信模块可采用蓝牙、Zigbee、Wi-Fi等。

电源模块4，用于向传感器模块1、微处理器模块2、无线通信模块3供电。

无线监控终端5，一般包括手机、PDA等，无线监控终端5可由用户携带也可由监控人员携带，当由用户携带时，无线监控终端5需要将报警信息转发给监控人员，监控人员收到报警信息后对用户进行救助。

图2是本发明跌倒检测装置的一种具体实施方式架构图。如图2所示，本发明跌倒检测装置的一种具体实施方式为：

传感器模块1在本实施例中采用MEMS(Micro-Electro-Mechanical Systems，微机电系统)传感器，具有体积小、重量和功耗低、易安装、耐冲击等特点，精度也能够满足人体运动检测的需要。传感器模块1采用的典型方案包括：L3G4200D芯片11和LSM303DLH芯片12，其中L3G4200D芯片11包括超稳定三轴数字输出陀螺仪111，LSM303DLH芯片12集成了三轴加速度计121和三轴地磁计122两种传感器。

本发明主要应用L3G4200D芯片11中的超稳定三轴数字输出陀螺仪111，该超稳定三轴数字输出陀螺仪111采集角速度数据，将数据经过A/D转换器112进行模数转换，再经过数字滤波器113得到角速度数据ω_m，通过I2C总线114传送给微处理器模块2。

LSM303DLH芯片12中的三轴加速度计121采集加速度数据、三轴地磁计122采集地磁数据，分别通过A/D转换器123转换为数字信号形式的加速度数据g_m、地磁数据m_m，通过I2C总线124传送给微处理器模块2。

在跌倒检测装置使用前或使用一段时间后，为保证测量数据的准确性，需要对传感器模块中的传感器进行校准，主要是对传感器采集的人体运动与姿态数据进行零位偏移与测量灵敏度补偿，向意外跌倒分析提供准确的数据。本发明传感器模块校准采用现有技术，图3是图2中传感器模块校准示意图。

图3(a)是陀螺仪校准示意图，如图3(a)所示，陀螺仪各轴的零位偏移就是在传感模块静止的情况下各轴的输出。将传感模块置于步进电机转台上，确保传感模块转轴与步进电机转轴重合后将传感模块固定于水平转台上。此时控制步进电机以设定角速度Ω_定旋转，记录陀螺仪的输出值ω_测。则Ω_定/ω_测就是灵敏度调整因子，最后可以得到：

X_offset,1＝X_读数,X_sf,1＝Ω_定/ω_x测

Y_offset,1＝Y_读数,Y_sf,1＝Ω_定/ω_y测

Z_offset,1＝Z_读数,Z_sf,1＝Ω_定/ω_z测

其中X_sf，1,Y_sf，1,Z_sf,1表示陀螺仪的灵敏度调整因子(scale_factor)，X_offset,1,Y_offset,1,Z_offset,1表示陀螺仪的零位偏移(offset)，ω_x测,ω_y测,ω_z测为传感器测得的角速度值，Ω_定为用户在校准时设定的一定角速率。

图3(b)是加速度计校准示意图，如图3(b)所示，将加速度传感模块按X轴正向朝上置于水平静止的平台上，记录下此时X轴的读数X_上，然后将传感模块X轴正向朝下放置，记录X轴的读数X_下。此时（X_上+X_下）/2就是零位偏移，（X_上-X_下）/2G就为灵敏度调整因子。其余两轴的校准方法也按照如上步骤，最后可以得到：

X_offset,2＝（X_上+X_下）/2,X_sf,2＝2G/（X_上-X_下）

Y_offset,2＝（Y_上+Y_下）/2,Y_sf,2＝2G/（Y_上-Y_下）

Z_offset＝（Z_上+Z_下）/2,Z_sf＝2G/（Z_上-Z_下）

其中X_sf,2,Y_sf,2,Z_sf,2为加速度计的灵敏度调整因子，X_offset,2,Y_offset,2,Z_offset,2为加速度计的零位偏移X_上,X_下，Y_上,Y_下，Z_上,Z_下则为校准过程中各轴的测量数据，G为校准当地的重力加速度值。

图3(c)是地磁计校准示意图，如图3(c)所示，地磁计容易受周围环境中的硬铁(hard-iron)和软铁(soft-iron)干扰，所以对地磁计的校准必须在无铁的环境中进行。将地磁传感模块按Z轴正向朝上置于木桌的水平台上，将木桌缓慢旋转一圈，记录下转圈过程中X,Y轴的所有读数，并分别找出两轴的最大值和最小值。最后可以得到：

X_offset,3＝（X_max+X_min）/2,X_sf,3＝2*EMF/（X_max-X_min）

Y_offset,3＝（Y_max+Y_min）/2,Y_sf,3＝2*EMF/（Y_max-Y_min）

Z_offset,3＝（Z_max+Z_min）/2,Z_sf,3＝2*EMF/（Z_max-Z_min）

其中X_sf,3,Y_sf,3,Z_sf,3表示地磁计的灵敏度调整因子，X_offset,3,Y_offset,3,Z_offset,3表示地磁计的零位偏移，EMF为校准当地的水平磁场强度。

微处理器模块2在本实施例中采用Atmel公司的8位AVR微处理器21，型号为ATmega32U4，其技术特征包括：支持USB设备，支持空闲模式、ADC噪声抑制模式、省电模式、掉电模式和待机模式以及扩展待机模式6种休眠模式。

8位AVR微处理器21通过I2C总线分别与LSM303DLH芯片11和L3G4200D芯片12连接，从而实时读取传感器模块1采集到的角速度数据ω_m、加速度数据g_m、地磁数据m_m，并利用AVR CPU计算姿态角，并判断用户动静状态、是否为躺卧状态，并通过躺卧动作的有/无识别甄别和跌倒受力评估，当用户无意识且力冲击过大时，判定用户跌倒。微处理器模块还用于对角速度数据ω_m、加速度数据g_m、地磁数据m_m在计算前进行动态平滑滤波，用于消除高斯噪声造成的传感器输出数据抖动。

本实施例中，微处理器模块2的报警指示装置包括一组指示灯22和蜂鸣器23，用于提示用户进行报警确认。如使用红色LED灯用来表示报警状态，当模块处于报警状态时，红色LED灯亮。在报警状态时，蜂鸣器23配合报警灯使用，方便对用户进行提示。指示灯还可用于指示跌倒检测装置工作状态。如使用绿色LED用来表示模块工作状态，当模块电池电量低或者与外部设备通信受阻等不能正常工作的时候，绿色LED灯亮。

微处理器模块2的报警取消装置为一报警按钮24，用户可取消微处理器模块的自动报警，或手动进行报警。报警按钮24还可用于用户进行手动报警。

微处理器模块2的8位AVR微处理器21与无线通信模块3连接，可采用SPI总线通信或UART数据通信，本实施例中选用的是UART数据通信。当用户未在预定时间内取消自动报警，或用户自主进行手动报警时，调用无线通信模块3向无线监控终端发送报警信息。

本实施例中，微处理器模块2还设置有一个miniUSB标准接口，可用于数据传输，也可连接电源对跌倒检测装置进行充电。

本实施例中，为缩小体积，将用于微处理器模块2调试的JTAG插座和RS232接口电路等均移出了模块，组成外置微处理器调试装置，并通过一个排线插座进行连接。在调试完成后，拔掉排线即可。

无线通信模块3在本实施例中采用HC-05蓝牙模块，调制方式为高斯频移键控，兼容V2.0协议标准，蓝牙Class2功率级别，灵敏度达到-80dBm；波特率115200，用户可设置；串口模块工作电压3.3V，工作电流：配对中为30MA，配对完毕通信中为8MA。无线通信模块3的电源可通过微处理器模块2进行管理，以节约用电。

电源模块4结合跌倒检测装置的实际使用情况进行选择。本实施例中选择采用3.7V锂电池进行供电，由于系统各部分功能电路主要有3.3V和1.8V两个工作电压，并且本实施例要求既能使用内部锂电池供电，又能通过适配器供电。因此，在模块内部由电压差线性变压器（LDO）进行3.7V到3.3V，1.8V的转换，LDO芯片可选择采用LDS3985M33R芯片和LDS3985M18R芯片实现。

图4是本发明跌倒检测装置的一种具体佩戴方式示意图。如图4所示，本发明跌倒检测装置外形为一个腰带扣，可由具有一定硬度的橡胶或塑料加工而成，附在腰带上，且具有腰带扣的所有功能。本发明跌倒检测装置也可设计成其他形式，要求佩戴于人体上身躯干部分。

图5是本发明跌倒检测方式一种具体实施方式流程图。如图5所示，本发明跌倒检测装置所采用的跌倒检测方法包括以下步骤：

S501：采集传感器数据，传感器包括陀螺仪、加速度计、地磁计，采集得到角速度数据ω_m、加速度数据g_m、地磁数据m_m。

S502：数据动态平滑：对由于高斯噪声造成的传感器数据的抖动进行动态平滑滤波。

本实施例中动态平滑滤波采用的是递推平均滤波，图6是递推平均滤波示意图。如图6所示，n表示滤波队列的长度，根据实际情况设置。

S503：姿态角求取：根据角速度数据ω_m、加速度数据g_m、地磁数据m_m计算X、Y、Z轴的姿态角Roll、姿态角Pitch、姿态角Yaw。图7是姿态角示意图。如图7所示，X轴指向人体前方，Y轴指向身体右侧，Z轴与人体躯干平行。

图8是姿态角求取的一种具体实施方式流程图。如图8所示，姿态角求取的步骤包括：

1、角速度数据ω_m减去一个反馈子ω_b，再通过四元数微分方程求出四元数姿态阵Q，其中第一次进行姿态角求取时的反馈子ω_b的初始值为0。此时的四元数姿态阵Q中为基本姿态角。

2、用四元数姿态阵Q对参考坐标系的重力加速度向量g_r和地磁强度向量m_r分别进行姿态变换，得到变换后的重力加速度向量g_T和地磁强度向量m_T，其中参考坐标系的重力加速度向量g_r和地磁强度向量m_r根据实际情况设置。

3、将重力加速度向量g_T、地磁强度向量m_T与加速度数据g_m、地磁数据m_m进行卡尔曼融合滤波，对四元数姿态阵Q进行两步校准，求出最终姿态角Roll、姿态角Pitch、姿态角Yaw和新的反馈子ω_b。

本发明在基本姿态角的基础上采用卡尔曼融合滤波进行了校准，得到的最终姿态角精确度较高，使步骤S505中的躺卧状态判定更为准确。

S504：判断用户是否为静止状态：计算时间T₁内，加速度数据g_m和角速度数据ω_m的最大幅值与最小幅值之间的差值g_diff和ω_diff的大小是否超过预定阀值来判断人体是静还是动，其中T₁根据实际情况确定。

时间T₁内最大幅值与最小幅值之间的差值为：

g_diff＝g_{m_max}-g_{m_min}

ω_diff＝ω_{m_max}-ω_{m_min}

其中，g_{m_max}为时间T₁内测得的加速度数据g_m的最大幅值，g_{m_min}为最小幅值，ω_{m_max}为时间T₁内测得的角速度数据ω_m的最大幅值，ω_{m_min}为最小幅值，

根据实际情况设置加速度差值阈值角速度差值阈值当并且判定人体状态为静态，进入步骤S505，反之人体状态为动态，返回步骤S501继续采集数据。

一般情况下，设置

S505：判断用户是否为躺卧状态：判断步骤S503中得到的姿态角pitch是否大于预设定阈值pitch^*，如果pitch≤pitch^*，则用户未处于躺卧状态，返回步骤S501继续采集数据，如果pitch＞pitch^*，则用户处于躺卧状态，进入步骤S506。本实施例中，参数可设为pitch*＝35°，即用户躯干在水平面内任意方向与竖直朝上方向的夹角大于35，用户处于躺卧状态。

S506：数据倒推分析，包括用户躺卧动作的有/无意识甄别和跌倒受力评估。

有/无意识甄别：主要判断人体由非躺卧状态到躺卧状态的转变是否为无意识的行为，典型的技术方法为判断躺卧状态发生前时间T₂内加速度数据和角速度数据的最大幅值g_{m_max}和ω_{m_max}是否超过加速度阈值T_g和角速度阈值T_ω，当g_{m_max}＜T_g并且ω_{m_max}＜T_ω，则判定躺卧动作为有意识的，反之则判定为无意识。时间T₂、加速度阈值T_g和角速度阈值T_ω根据实际情况设置，本实施例设置T₂＝6s，阀值参数为T_a＝3.0g,T_ω＝120°/s。

跌倒受力评估：主要评估跌倒在地时人体受地面的力冲击大小。本实施例中采用的方法是计算用户触地瞬间，加速度增长的平均加速度大小。图9是跌倒过程加速度变化示意图。如图9所示，在人体跌倒过程中，即未触地时，加速度幅值有一段低于1G时间段，在触地时，加速度瞬间由A_start增加到A_max。通过计算加速度由A_start增加到A_max的时间Δt内的加速度增长的平均加速度A来评估力冲击大小，其中

$\stackrel{\‾}{A}=\frac{A_{\max }-A_{\mathrm{start}}}{\mathrm{\Δt}}$

根据实际情况设定加速度增长的平均加速度阈值当跌倒受到的力冲击过大，当跌倒受力在安全范围内。一般情况下设置

S507：根据步骤S506中得到的有/无意识甄别结果和跌倒受力大小判断用户是为跌倒，当用户无意识且力冲击过大时，则判断用户为跌倒，进入步骤S508，否则判断用户未跌倒，返回步骤S501继续采集数据。

本发明通过有/无意识甄别和跌倒受力评估联合进行跌倒判定，较单一条件判定更加准确，可以明显的降低跌倒检测的误报率。

S508：提示用户进行报警确认，本实施例中通过蜂鸣器和红色LED灯提示用户进行确认。

S509：用户在确认无事时可通过相关报警取消装置，如报警按钮取消报警，返回步骤S501重新采集数据，如果用户在等待时间T₃内未取消报警，则进入步骤S510。等待时间T₃根据实际情况进行确定，一般设置为15S。

S510：通过无线通信向监控人员进行自动报警。本实施例中，采用蓝牙的方式将报警信息传送到用户手机，用户手机再通过移动通信网络将报警信息转发给远程监控人员。也可以不采用蓝牙，而是直接采用移动通信技术将用户跌倒信息发送给远程监控人员。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (4)

1.一种跌倒检测方法，其特征在于，包括以下步骤：

(1)、采集传感器数据，传感器包括陀螺仪、加速度计、地磁计，采集得到角速度数据ω_m、加速度数据g_m、地磁数据m_m；

(2)、对由于高斯噪声造成的传感器数据的抖动进行动态平滑滤波；

(3)、求取姿态角，包括X、Y、Z轴的姿态角Roll、姿态角Pitch、姿态角Yaw，具体包括以下步骤：

3.1)、角速度数据ω_m减去一个反馈子ω_b，再通过四元数微分方程求出包含基本姿态角的四元数姿态阵Q，其中第一次进行姿态角求取时的反馈子ω_b的初始值为0；

3.2)、用四元数姿态阵Q对参考坐标系的重力加速度向量g_r和地磁强度向量m_r分别进行姿态变换，得到变换后的重力加速度向量g_T和地磁强度向量m_T，其中参考坐标系的重力加速度向量g_r和地磁强度向量m_r根据实际情况设置；

3.3)、将重力加速度向量g_T、地磁强度向量m_T与加速度数据g_m、地磁数据m_m进行卡尔曼融合滤波，对四元数姿态阵Q进行两步校准，求出最终姿态角Roll、姿态角Pitch、姿态角Yaw和新的反馈子ω_b；

(4)、分别计算时间T₁内，加速度计测量数据g_m和陀螺仪测量数据ω_m的最大幅值g_{m_max}、ω_{m_max}与最小幅值g_{m_min}、ω_{m_min}之间的差值g_diff和ω_diff：

g_diff＝g_{m_max}-g_{m_min}

ω_diff＝ω_{m_max}-ω_{m_min}

其中，时间T₁、加速度差值阈值角速度差值阈值根据实际情况确定；当并且判定人体状态为静态，进入步骤(5)，反之人体状态为动态，返回步骤(1)继续采集数据；

(5)、判断步骤(3)中得到的姿态角pitch是否大于预设定阈值pitch^*，如果pitch≤pitch^*，则用户未处于躺卧状态，返回步骤(1)继续采集数据，如果pitch＞pitch^*，则用户处于躺卧状态，进入步骤(6)；

(6)、进行用户躺卧动作的有/无意识甄别和跌倒受力评估，当用户无意识且力冲击过大时，则判断用户为跌倒，进入步骤(7)，否则判断用户未跌倒，返回步骤(1)继续采集数据；

(7)、提示用户进行报警确认，用户在确认无事时取消报警，返回步骤(1)重新采集数据，如果用户在等待时间T₃内未取消报警，则通过无线通信向监控人员进行自动报警，等待时间T₃根据实际情况确定。

2.根据权利要求1所述的跌倒检测方法，其特征在于，所述动态平滑滤波为递推平均滤波。

3.根据权利要求1所述的跌倒检测方法，其特征在于，所述有/无意识甄别的方法为：判断躺卧状态发生前时间T₂内加速度数据和角速度数据的最大幅值g_{m_max}和ω_{m_max}是否超过加速度阈值T_g和角速度阈值T_ω，当g_{m_max}＜T_g并且ω_{m_max}＜T_ω，则判定躺卧状态为有意识的，反之则判定为无意识，其中时间T₂、加速度阈值T_g和角速度阈值T_ω根据实际情况设置。

4.根据权利要求1所述的跌倒检测方法，其特征在于，所述跌倒受力评估的方法为：计算用户躺卧触地瞬间加速度增长的平均加速度根据实际情况设定加速度增长的平均加速度阈值如果跌倒受到的力冲击过大，如果跌倒受力在安全范围内。