CN105046882A - 摔倒检测方法以及装置 - Google Patents
摔倒检测方法以及装置 Download PDFInfo
- Publication number
- CN105046882A CN105046882A CN201510437592.8A CN201510437592A CN105046882A CN 105046882 A CN105046882 A CN 105046882A CN 201510437592 A CN201510437592 A CN 201510437592A CN 105046882 A CN105046882 A CN 105046882A
- Authority
- CN
- China
- Prior art keywords
- value
- signal amplitude
- fall down
- gaussian blur
- amplitude vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Telephone Function (AREA)
Abstract
本发明提供了一种摔倒检测方法以及装置,属于健康监测领域。所述摔倒检测方法包括:接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值;对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,在预设的检测窗口的时间长度内计算第一待对比摔倒概率值;当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,本方法改善了的现有的摔倒检测方法不仅只适用于起居室和看护病房等特定场所,而且检测结果的准确度不高的问题判定携带所述可携带电子设备的人处于摔倒状态。
Description
技术领域
本发明涉及健康监测领域,具体而言,涉及一种摔倒检测方法以及装置。
背景技术
摔倒是影响健康的重要因素,特别对于行动不便的人,如老人和病理特殊人员,摔倒对健康的影响尤其突出。根据相关调查:超过33%的社区老人和超过60%的养老院老人平均每年都会发生一次摔倒,且摔倒的发生率随年龄增长而升高。因此,如何进行有效的摔倒检测具有十分现实意义和实用价值。而现有的摔倒检测方法通常是通过定点安装监控摄像头,通过分析监控摄像头采集的视频图像的方式来检测是否摔倒,该方法不仅只适用于起居室和看护病房等特定场所,而且检测结果的准确度不高。
发明内容
本发明的目的在于提供一种摔倒检测方法以及装置,以改善的现有的摔倒检测方法不仅只适用于起居室和看护病房等特定场所,而且检测结果的准确度不高的问题。
本发明是这样实现的:
第一方面,本发明实施例提供了一种摔倒检测方法,应用于可携带电子设备,所述可携带电子设备包括加速度传感器,处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测方法包括:
所述摔倒检测装置接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
所述摔倒检测装置对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
所述摔倒检测装置将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,所述摔倒检测装置在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
所述摔倒检测装置将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
第二方面,本发明实施例提供了一种摔倒检测装置,应用于可携带电子设备,所述可携带电子设备包括加速度传感器,处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测装置,包括:
数据接收单元,用于接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
高斯模糊处理单元,用于对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
加速度信号幅度向量比对单元,用于将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
第一待对比摔倒概率值计算单元,用于当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
摔倒判定单元,将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态
本发明实施例提供的摔倒检测方法以及装置,通过接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,并对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到有效的滤除高频噪声加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值的方式,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值,即可判定携带所述可携带电子设备的人是否处于摔倒状态,使得在进行摔倒检测时,不需要在花费成本去安装监控摄像头,极大的降低了检测费用。同时,改善了的现有的摔倒检测方法不仅只适用于起居室和看护病房等特定场所,而且检测结果的准确度不高的问题。
附图说明
图1示出了本发明实施例提供的摔倒检测方法以及装置的应用环境示意图;
图2示出了一种可应用于本发明实施例的可携带电子设备的结构框图;
图3示出了第一实施例提供的一种摔倒检测方法的流程图;
图4示出了第二实施例提供的一种摔倒检测方法的流程图;
图5示出了第三实施例提供的一种摔倒检测装置的结构框图;
图6示出了第四实施例提供的一种摔倒检测装置的结构框图;
图7示出了本发明实施例中SVM(t)的曲线图;
图8示出了本发明实施例中GSVM(t)的曲线图;
图9示出了本发明实施例中高斯模糊效果对比曲线图;
图10示出了本发明实施例中摔倒特征函数的曲线图;
图11示出了第二施例中摔倒检测实验的测试结果数据表。
具体实施方式
本发明实施例所提供的摔倒检测方法以及装置,可以直接应用于单独的可携带电子设备中,也可以应用于如图1所示的应用环境中。如图1所示,可携带电子设备100、服务器200位于无线网络或有线网络300中,通过该无线网络或有线网络300,可携带电子设备100与服务器200进行数据交互。
于本发明实施例中,可携带电子设备100可以为智能手机、平板电脑等移动终端,也可以智能手环、智能手表等穿戴设备。
图2示出了一种可应用于本发明实施例中的可携带电子设备的结构框图。如图2所示,可携带电子设备100包括存储器102、存储控制器104,一个或多个(图中仅示出一个)处理器106、外设接口108、射频模块110、音频模块112、触控屏幕114等。这些组件通过一条或多条通讯总线/信号线116相互通讯。
存储器102可用于存储软件程序以及模块,如本发明实施例中的摔倒检测方法以及装置对应的程序指令/模块,处理器106通过运行存储在存储器102内的软件程序以及模块,从而执行各种功能应用以及数据处理,如本发明实施例提供的摔倒检测方法。
存储器102可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器106以及其他可能的组件对存储器102的访问可在存储控制器104的控制下进行。
外设接口108将各种输入/输入装置耦合至处理器106以及存储器102。在一些实施例中,外设接口108,处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
射频模块110用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。
音频模块112向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
触控屏幕114在可携带电子设备100与用户之间同时提供一个输出及输入界面。具体地,触控屏幕114向用户显示视频输出,这些视频输出的内容可包括文字、图形、视频及其任意组合。
可以理解,图2所示的结构仅为示意,可携带电子设备100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
传统的摔倒检测方式是通过监控摄像头采集监控范围内的图像,通过图像识别的方式进行摔倒判断。则为了能够在较大的范围内实现摔倒检测,则需要安装大量的监控摄像头。而当采集的图像质量不佳时,则会造成摔倒的误检测,则为了保证监控摄像头采集的图像质量,还需要安装散光灯进行光线补充,导致检测成本较高。本发明实施例主要是为了提出一种新的摔倒检测方式,以可携带电子设备中的加速度传感器采集的数据判定取代现有的图像判定的方式。
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一实施例
请参阅图3,本发明第一实施例提供的一种摔倒检测方法,应用于可携带电子设备,所述可携带电子设备包括加速度传感器,处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测方法包括:
步骤S101:所述摔倒检测装置接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
本发明实施例中,加速度传感器可以采用线性加速度传感器或角加速度传感器。所述线性加速度传感器例如可以为三轴加速度传感器,而所述角加速度传感器例如可以为陀螺仪。
所述线性加速度传感器用于获得加速度信号幅度向量值,而所述角加速度传感器用于获得角加速度值。
其中,加速度信号幅度向量值通过公式:
计算获得,ax(t),ay(t),az(t)分别为可携带电子设备在X、Y和Z轴方向上的加速度分量。图7为SVM(t)的曲线图,在图7中横坐标表示时间,纵坐标表示加速度幅度向量值,而图7中的实线则表示加速度幅度向量值的变化曲线。
角加速度值通过公式:
计算获得,其中,gx(t),gy(t),gz(t)分别为可携带电子设备在X、Y和Z轴方向上的角加速度分量。图8为GSVM(t)的曲线图,在图8中横坐标表示时间,纵坐标表示角加速度值,而图8中的实线则表示角加速度值的变化曲线。
当线性加速度传感器获得加速度信号幅度向量值,而所述角加速度传感器获得角加速度值后,将加速度信号幅度向量值和角加速度值传递给所述摔倒检测装置。
而为了进行摔倒概率计算,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重,作为一种实施方式,本发明实施例中,所述第一权重以及所述第二权重均存储于所述存储器中。
步骤S102:所述摔倒检测装置对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊处理,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值。而所述高斯模糊计算可以通过下述公式完成,
经过多次测试,取r=3,σ=1.5时,高斯模糊可以较好的消除噪声和保持各种运动时的采样数据特征。
在实际检测的过程中,线性加速度传感器获得加速度信号幅度向量值,所述角加速度传感器获得角加速度值均携带有较高的高频噪音,使得所述摔倒检测装置无法直接通过所述加速度信号幅度向量值和角加速度值判定携带所述可携带电子设备的人是否处于摔倒状态,为了进行摔倒概率计算,所述摔倒检测装置对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊处理,得到滤除高频噪声的加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值。
步骤S103:所述摔倒检测装置将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比。
而在实施过程中,当加速度信号幅度向量高斯模糊值小于预设的加速度信号幅度向量阈值时,则所述摔倒检测装置则判定携带所述可携带电子设备的人处未摔倒状态,而当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,为了进一步的判定携带所述可携带电子设备的人处是否摔倒状态,则会进行后续步骤。
步骤S104:当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,所述摔倒检测装置在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值。
如图9所示为,高斯模糊处理前后的效果对比曲线图。图9中右图为左图摔倒过程的局部放大,从图9中可以看出经过高斯模糊处理后,高频噪声被有效的过滤掉了。
步骤S105:所述摔倒检测装置将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
在检测过程中,摔倒检测阈值为经过多次重复实验获得的经验阈值,则在本实施例提供的摔倒检测方法中,可以采用1.5g作为所述摔倒检测阈值。
本发明实施例提供的摔倒检测方法,通过接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,并对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到有效的滤除高频噪声加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值的方式,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值,即可判定携带所述可携带电子设备的人是否处于摔倒状态。
第二实施例
请参阅图4,本发明第二实施例提供的一种摔倒检测方法,应用于可携带电子设备,所述可携带电子设备包括加速度传感器,处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测方法包括:
步骤S201:所述摔倒检测装置接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
步骤S202:所述摔倒检测装置对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
步骤S203:所述摔倒检测装置将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比。
而在实施过程中,当加速度信号幅度向量高斯模糊值小于预设的加速度信号幅度向量阈值时,则所述摔倒检测装置则判定携带所述可携带电子设备的人处未摔倒状态,而当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,为了进一步的判定携带所述可携带电子设备的人处是否摔倒状态,则会进行后续步骤。
步骤S204:当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,所述摔倒检测装置在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
需要说明的是,步骤S201、步骤S202、步骤S203具体原理与第一实施例中的相应步骤相同,此处不再赘述。
为了能够更加准确的判定摔倒状态,本实施例中还包括:
步骤S205:所述摔倒检测装置在预设的测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、角加速度高斯模糊值、预设的摔倒特征函数的值、所述第一权重、所述第二权重以及所述摔倒特征函数预设的第三权重计算第二待对比摔倒概率值;
而在本实施例提供的摔倒检测方法中,第二待对比摔倒概率值f(t)通过公式:
计算得到。其中f(svm)为所述加速度信号幅度向量高斯模糊值经过模糊函数处理后的值,f(gsvm)为所述角加速度高斯模糊值经过模糊函数处理后的值,f(m)为摔倒特征函数的值,Wsvm为第一权重,Wgsvm为第二权重,Wm为第三权重。在本实施例中,作为一种实施方式,所述第一权重Wsvm为0.6,所述第二权重Wgsvm为0.1,所述第三权重Wm为0.3。
而f(svm)通过公式:
计算得到,其中max(svm)为所述检测时间窗口内SVM(t)最大高斯模糊值。
而f(gsvm)通过公式:
计算得到,其中max(gsvm)为所述检测时间窗口内GSVM(t)最大高斯模糊值。
而f(m)为摔倒特征函数的值,通过公式:
计算得到,其中,l和r分别代表所述摔倒检测装置在所述时间检测窗口时间长度内获得的波峰到左右峰谷的距离,m代表所述摔倒检测装置在所述时间检测窗口时间长度内采集大于预设加速度阈值的曲线顶点数量加一。图10为摔倒特征函数的曲线图,横坐标表示时间,而纵坐标表示摔倒特征函数的值,其中实线表示了所述摔倒特征函数的变化曲线。
步骤S206:所述摔倒检测装置将所述第二待对比摔倒概率值与所述摔倒检测阈值对比,当所述第二待对比摔倒概率值和所述第一待对比摔倒概率值均大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
需要说明的是,本发明实施例还定义了所述摔倒检测方法的检测指标检测成功率η和误检率λ如公式,其中:
公式中ρ为区分概率阈值,p(t)为是否摔倒,real(t)为实际发生次数,fall和nofall代表监测窗口实际摔倒和没有摔倒。
需要说明的是,如图11所示,为了进一步的验证本实施例提供的摔倒检测方法,本实施例还提供了一组测试实验及测试结果数据,从表2测试结果数据可知:本实施例提供的摔倒检测算法具备良好的检测成功率和较低的误检率。具体的,除检测窗口在≤400ms外,其余情况下所有摔倒均能检测到,且误检率≤4%。当保持其它参数不变情况下,观察窗口大于800ms后,检测成功率为100%。观察窗口大于1500ms后,其误检测率维持在3.56%。因为根据普通人的身高以及人体动力学,其摔倒时间一般在800ms~1500ms;适当的调整各参数的权重以及区分概率门限,可以进一步降低误检测率从3.56%到1.33%。证明该算法对特征曲线建模区分度良好。
本发明实施例提供的摔倒检测方法,通过接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,并对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到有效的滤除高频噪声加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值的方式,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重、预设的第二权重计算第一待对比摔倒概率值、摔倒特征函数的值以及所述摔倒特征函数对应的第三权重,进一步的更加准确的判定了携带所述可携带电子设备的人是否处于摔倒状态。
第三实施例
图5示出了本发明第三实施例提供的摔倒检测装置的结构框图,请参照图5,本实施例中的装置可运行于可携带电子设备,用于实现第一实施例提出的摔倒检测方法,本实施例中的装置400包括:
数据接收单元401,用于接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
高斯模糊处理单元402,用于对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
加速度信号幅度向量比对单元403,用于将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
第一待对比摔倒概率值计算单元404,用于当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
摔倒判定单元405,将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
本实施例中,各模块可以是由软件代码实现,此时,上述的各模块可存储于可携带电子设备100的存储器102内。以上各模块同样可以由硬件例如集成电路芯片实现。
本发明实施例提供的摔倒检测装置,通过接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,并对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到有效的滤除高频噪声加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值的方式,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值,即可判定携带所述可携带电子设备的人是否处于摔倒状态。
第四实施例
图6示出了本发明第三实施例提供的摔倒检测装置的结构框图,请参照图6,本实施例中的装置可运行于可携带电子设备,用于实现第二实施例提出的摔倒检测方法,本实施例中的装置500包括:
数据接收单元501,用于接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
高斯模糊处理单元502,用于对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
加速度信号幅度向量比对单元503,用于将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
第一待对比摔倒概率值计算单元504,用于当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
而在本实施例中,作为优选,摔倒判定单元包括:
第二待对比摔倒概率值计算子单元505,用于在预设的测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、角加速度高斯模糊值、预设的摔倒特征函数的值、所述第一权重、所述第二权重以及所述摔倒特征函数预设的第三权重计算第二待对比摔倒概率值;其中所述第二待对比摔倒概率值计算子单元505可以包括第二待对比摔倒概率值公式提取单元,用于提取所述公式
加速度信号幅度向量高斯模糊计算子单元,用于计算所述加速度信号幅度向量高斯模糊值;
角加速度高斯模糊计算子单元,用于计算角加速度高斯模糊值;摔倒特征函数值计算子单元,用于计算摔倒特征函数的值。
需要说明的是,为了便于所述第二待对比摔倒概率值计算子单元505进行数据计算,所述所述摔倒检测装置,还包括:第一权重存储单元,用于存储第一权重的值0.6;第二权重存储单元,用于存储第二权重的值0.1;第三权重存储单元,用于存储第三权重的值0.3。
摔倒比对子单元506,用于将所述第二待对比摔倒概率值与所述摔倒检测阈值对比,当所述第二待对比摔倒概率值和所述第一待对比摔倒概率值均大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态
本发明实施例提供的摔倒检测装置,通过接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,并对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊,得到有效的滤除高频噪声加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值的方式,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重、预设的第二权重计算第一待对比摔倒概率值、摔倒特征函数的值以及所述摔倒特征函数对应的第三权重,进一步的更加准确的判定了携带所述可携带电子设备的人是否处于摔倒状态。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的视频处理装置及系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
另外,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种摔倒检测方法,其特征在于,应用于可携带电子设备,所述可携带电子设备包括加速度传感器、处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测方法包括:
所述摔倒检测装置接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
所述摔倒检测装置对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊处理,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
所述摔倒检测装置将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,所述摔倒检测装置在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
所述摔倒检测装置将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
2.根据权利要求1所述的摔倒检测方法,其特征在于,所述判定携带所述可携带电子设备的人处于摔倒状态,包括:
所述摔倒检测装置在预设的测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、角加速度高斯模糊值、预设的摔倒特征函数的值、所述第一权重、所述第二权重以及所述摔倒特征函数预设的第三权重计算第二待对比摔倒概率值;
所述摔倒检测装置将所述第二待对比摔倒概率值与所述摔倒检测阈值对比,当所述第二待对比摔倒概率值和所述第一待对比摔倒概率值均大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
3.根据权利要求2所述的摔倒检测方法,其特征在于,所述摔倒检测装置在所述检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、角加速度高斯模糊值、所述摔倒特征函数的值、第一权重、第二权重以及第三权重计算第二待对比摔倒概率值,包括:
所述摔倒检测装置根据
获得所述第二待对比摔倒概率值,其中f(svm)为所述加速度信号幅度向量高斯模糊值经过模糊函数处理后的值,f(gsvm)为所述角加速度高斯模糊值经过模糊函数处理后的值,f(m)为摔倒特征函数的值,Wsvm为第一权重,Wgsvm为第二权重,Wm为第三权重,f(t)为所述第二待对比摔倒概率值。
4.根据权利要求3所述的摔倒检测方法,其特征在于,所述f(m)为
其中,l和r分别代表所述摔倒检测装置在所述时间检测窗口时间长度内获得的波峰到左右峰谷的距离,m代表所述摔倒检测装置在所述时间检测窗口时间长度内采集大于预设加速度阈值的曲线顶点数量加一。
5.根据权利要求1-4任一所述的摔倒检测方法,其特征在于,所述第一权重为0.6,所述第二权重为0.1,所述第三权重为0.3。
6.一种摔倒检测装置,其特征在于,应用于可携带电子设备,所述可携带电子设备包括加速度传感器,处理器、存储器以及存储在所述存储器中的摔倒检测装置,所述摔倒检测装置,包括:
数据接收单元,用于接收所述加速度传感器获得的加速度信号幅度向量值以及角加速度值,所述加速度信号幅度向量值对应有预设的第一权重,所述角加速度值对应有预设的第二权重;
高斯模糊处理单元,用于对所述加速度信号幅度向量值和所述角加速度值分别进行高斯模糊处理,得到加速度信号幅度向量高斯模糊值以及角加速度高斯模糊值;
加速度信号幅度向量比对单元,用于将所述加速度信号幅度向量高斯模糊值与预设的加速度信号幅度向量阈值对比;
第一待对比摔倒概率值计算单元,用于当所述加速度信号幅度向量高斯模糊值大于所述加速度信号幅度向量阈值时,在预设的检测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、所述角加速度高斯模糊值、预设的第一权重以及预设的第二权重计算第一待对比摔倒概率值;
摔倒判定单元,将所述第一待对比摔倒概率值与预设的摔倒检测阈值对比,当所述第一待对比摔倒概率值大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
7.根据权利要求6所述的摔倒检测装置,其特征在于,所述摔倒判定单元,包括:
第二待对比摔倒概率值计算子单元,用于在预设的测窗口的时间长度内根据所述加速度信号幅度向量高斯模糊值、角加速度高斯模糊值、预设的摔倒特征函数的值、所述第一权重、所述第二权重以及所述摔倒特征函数预设的第三权重计算第二待对比摔倒概率值;
摔倒比对子单元,用于将所述第二待对比摔倒概率值与所述摔倒检测阈值对比,当所述第二待对比摔倒概率值和所述第一待对比摔倒概率值均大于所述摔倒检测阈值时,判定携带所述可携带电子设备的人处于摔倒状态。
8.根据权利要求7所述的摔倒检测装置,其特征在于,所述第二待对比摔倒概率值计算子单元,包括:
第二待对比摔倒概率值公式提取单元,用于提取所述公式
其中f(svm)为所述加速度信号幅度向量高斯模糊值经过模糊函数处理后的值,f(gsvm)为所述角加速度高斯模糊值经过模糊函数处理后的值,f(m)为摔倒特征函数的值,Wsvm为第一权重,Wgsvm为第二权重,Wm为第三权重。
9.根据权利要求8所述的摔倒检测装置,其特征在于,所述第二待对比摔倒概率值计算子单元,包括:
加速度信号幅度向量高斯模糊计算子单元,用于计算所述加速度信号幅度向量高斯模糊值;
角加速度高斯模糊计算子单元,用于计算角加速度高斯模糊值;
摔倒特征函数值计算子单元,用于计算摔倒特征函数的值。
10.根据权利要求6-8任一所述的摔倒检测装置,其特征在于,所述摔倒检测装置,还包括:
第一权重存储单元,用于存储第一权重的值0.6;
第二权重存储单元,用于存储第二权重的值0.1;
第三权重存储单元,用于存储第三权重的值0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510437592.8A CN105046882B (zh) | 2015-07-23 | 2015-07-23 | 摔倒检测方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510437592.8A CN105046882B (zh) | 2015-07-23 | 2015-07-23 | 摔倒检测方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046882A true CN105046882A (zh) | 2015-11-11 |
CN105046882B CN105046882B (zh) | 2017-09-26 |
Family
ID=54453392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510437592.8A Expired - Fee Related CN105046882B (zh) | 2015-07-23 | 2015-07-23 | 摔倒检测方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046882B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105342626A (zh) * | 2015-12-08 | 2016-02-24 | 成都麦杰康科技有限公司 | 穿戴式设备及应用于穿戴式设备的跌倒检测方法 |
CN106768784A (zh) * | 2017-01-22 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种服务器检测方法及装置 |
CN108364446A (zh) * | 2018-02-13 | 2018-08-03 | 山东顺国电子科技有限公司 | 基于北斗卫星的警报控制系统及监控系统 |
CN108734141A (zh) * | 2018-05-28 | 2018-11-02 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
CN110765860A (zh) * | 2019-09-16 | 2020-02-07 | 平安科技(深圳)有限公司 | 摔倒判定方法、装置、计算机设备及存储介质 |
CN111183460A (zh) * | 2017-11-17 | 2020-05-19 | 英国奥科斯国际有限公司 | 摔倒检测器和摔倒检测的改进 |
JP2022538432A (ja) * | 2019-06-28 | 2022-09-02 | 華為技術有限公司 | 転倒検出に基づく救援探索方法及び電子デバイス |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2323196A (en) * | 1997-03-11 | 1998-09-16 | Keith Henderson Cameron | Automatic fall alarm |
CN104125337A (zh) * | 2014-07-22 | 2014-10-29 | 厦门美图移动科技有限公司 | 一种智能手机的跌倒检测和报警方法 |
CN104207757A (zh) * | 2014-09-26 | 2014-12-17 | 天津葆贝科技发展有限公司 | 婴幼儿用的安全监测设备及其监测方法 |
-
2015
- 2015-07-23 CN CN201510437592.8A patent/CN105046882B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2323196A (en) * | 1997-03-11 | 1998-09-16 | Keith Henderson Cameron | Automatic fall alarm |
CN104125337A (zh) * | 2014-07-22 | 2014-10-29 | 厦门美图移动科技有限公司 | 一种智能手机的跌倒检测和报警方法 |
CN104207757A (zh) * | 2014-09-26 | 2014-12-17 | 天津葆贝科技发展有限公司 | 婴幼儿用的安全监测设备及其监测方法 |
Non-Patent Citations (1)
Title |
---|
周敏: "基于移动终端的跌倒检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105342626B (zh) * | 2015-12-08 | 2018-06-29 | 成都麦杰康科技有限公司 | 穿戴式设备及应用于穿戴式设备的跌倒检测方法 |
CN105342626A (zh) * | 2015-12-08 | 2016-02-24 | 成都麦杰康科技有限公司 | 穿戴式设备及应用于穿戴式设备的跌倒检测方法 |
CN106768784A (zh) * | 2017-01-22 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种服务器检测方法及装置 |
CN111183460A (zh) * | 2017-11-17 | 2020-05-19 | 英国奥科斯国际有限公司 | 摔倒检测器和摔倒检测的改进 |
CN108364446A (zh) * | 2018-02-13 | 2018-08-03 | 山东顺国电子科技有限公司 | 基于北斗卫星的警报控制系统及监控系统 |
CN108734141A (zh) * | 2018-05-28 | 2018-11-02 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
CN108734141B (zh) * | 2018-05-28 | 2020-07-03 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
JP2022538432A (ja) * | 2019-06-28 | 2022-09-02 | 華為技術有限公司 | 転倒検出に基づく救援探索方法及び電子デバイス |
EP3968134A4 (en) * | 2019-06-28 | 2022-11-30 | Huawei Technologies Co., Ltd. | HELP CALL PROCESS BASED ON FALL DETECTION AND ELECTRONIC DEVICE |
JP7286816B2 (ja) | 2019-06-28 | 2023-06-05 | 華為技術有限公司 | 転倒検出に基づく救援探索方法及び電子デバイス |
US11928947B2 (en) | 2019-06-28 | 2024-03-12 | Huawei Technologies Co., Ltd. | Fall detection-based help-seeking method and electronic device |
CN110765860A (zh) * | 2019-09-16 | 2020-02-07 | 平安科技(深圳)有限公司 | 摔倒判定方法、装置、计算机设备及存储介质 |
CN110765860B (zh) * | 2019-09-16 | 2023-06-23 | 平安科技(深圳)有限公司 | 摔倒判定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105046882B (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046882A (zh) | 摔倒检测方法以及装置 | |
CN108090458A (zh) | 人体跌倒检测方法和装置 | |
CN107609598A (zh) | 图像鉴别模型训练方法、装置及可读存储介质 | |
CN104538041A (zh) | 异常声音检测方法及系统 | |
CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
CN111339074B (zh) | 阈值生成方法、装置、设备和存储介质 | |
CN110443350B (zh) | 基于数据分析的模型质量检测方法、装置、终端及介质 | |
CN107095669A (zh) | 一种癫痫患者脑电信号的处理方法及系统 | |
CN108986125A (zh) | 物体边缘提取方法、装置及电子设备 | |
CN114037478A (zh) | 广告异常流量检测方法、系统、电子设备及可读存储介质 | |
CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
CN109557583B (zh) | 一种地震属性提取方法及系统 | |
CN110009012A (zh) | 一种风险样本识别方法、装置及电子设备 | |
CN114120242A (zh) | 一种基于时序特征的监控视频行为分析方法、系统及终端 | |
CN110838306B (zh) | 语音信号检测方法、计算机存储介质及相关设备 | |
CN112328869A (zh) | 一种用户贷款意愿的预测方法、装置及计算机系统 | |
CN117272232A (zh) | 数据融合的隧道监测方法、装置、计算机设备及存储介质 | |
CN114419480A (zh) | 一种多人身份和动作关联识别方法、装置及可读介质 | |
CN116777569A (zh) | 基于区块链的商品大数据语音介绍和智能结账方法及系统 | |
CN103976749A (zh) | 一种实时疲劳提示的方法及装置 | |
CN113469053B (zh) | 眼动轨迹鉴别方法及系统 | |
CN112133100B (zh) | 一种基于r-cnn的车辆检测方法 | |
CN115278757A (zh) | 一种检测异常数据的方法、装置及电子设备 | |
KR101829099B1 (ko) | 유전 알고리즘 기반의 특징 선택을 이용한 사용자 독립적 행동 인식 방법 | |
Luca et al. | Anomaly detection using the Poisson process limit for extremes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170926 Termination date: 20190723 |
|
CF01 | Termination of patent right due to non-payment of annual fee |