CN105957307B - 一种检测跌倒的方法和装置 - Google Patents
一种检测跌倒的方法和装置 Download PDFInfo
- Publication number
- CN105957307B CN105957307B CN201610255255.1A CN201610255255A CN105957307B CN 105957307 B CN105957307 B CN 105957307B CN 201610255255 A CN201610255255 A CN 201610255255A CN 105957307 B CN105957307 B CN 105957307B
- Authority
- CN
- China
- Prior art keywords
- signal
- detection
- fallen
- test signal
- test
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012360 testing method Methods 0.000 claims abstract description 78
- 230000008034 disappearance Effects 0.000 claims abstract description 14
- 238000009434 installation Methods 0.000 claims abstract 2
- 239000003016 pheromone Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 4
- 230000008033 biological extinction Effects 0.000 claims description 2
- 208000033748 Device issues Diseases 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 230000011664 signaling Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000005562 fading Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种检测跌倒的方法和装置，包括如下步骤：获取信号接收器检测到的测试信号强度，得到检测数据；将所述检测数据与基准数据比较，识别出被测区域中目标物，其中基准数据是被测区域内没有目标物时通过预先测量得到的检测数据；将当前检测到的目标物与之前识别的目标物比较，判断是否有目标物消失；如有第一目标物消失则判定所述第一目标物跌倒。本发明安装方便、识别准确率高。
Description
技术领域
本发明涉及跌倒检测技术，尤其涉及一种检测人体跌倒的方法和装置。
背景技术
众所周知，很多地方存在跌到检测的需求，尤其是人体跌倒检测领域。在人口老龄化日益凸显的当今社会，跌倒已然成为一个不可忽视的危害公众健康问题。据世界卫生组织的数据，每年大约有30％的65岁以上老年人发生过一次跌倒，15％发生两次以上跌倒。截止2015年，我国老年人已突破1.5亿，其中约有4000万老年人会在一年中发生跌倒事故。在所有的跌倒事故中，约有50％以上发生在家中。老年人跌倒后，如果得不到及时救助，将会造成严重的身体和心理伤害，甚至导致死亡。因此，构建有效的跌倒检测系统，特别是在居家环境中，是减少跌倒伤害的重要途径。社会大众对这类系统有着广泛而迫切的应用需求。
目前，跌倒检测的方法根据检测对象的不同主要分为两类：基于姿态的检测和基于运动的检测。前者是利用视觉传感器或者铺设于地板上的压力传感器捕获人体跌倒后的姿态影像，通过图像分析手段实现跌倒事件的检测。中国发明专利201110267262.0、201410136974.2等都是基于这一原理设计，根据图像中人体高宽比、中心位置和有效面积等特征进行跌倒判决。然而，人体姿态是复杂变形体，具有多样性和多义性的特点，并且存在个体差异，难以精准界定跌倒姿态与正常活动姿态的区别，影响检测效果。
基于运动检测的系统一般是采用穿戴于人体的加速度传感器捕捉跌倒引起的加速度突然变化。这类系统实质检测的是剧烈的运动变化，日常大幅度活动如跑跳、弯腰等都可能引起系统误判。此外，当人体小幅度跌倒时，可能会因为加速度变化不明显而导致漏判。
发明内容
为了克服现有技术的不足，本发明为要解决的技术问题，提供一种检测跌倒的方法和装置。
为解决上述问题，本发明所采用的技术方案如下：
一种检测跌倒的方法，包括如下步骤：
获取信号接收器检测到的测试信号强度，得到检测数据；
将所述检测数据与基准数据比较，识别出被测区域中目标物，其中基准数据是被测区域内没有目标物时通过预先测量得到的检测数据；
将当前检测到的目标物与之前识别的目标物比较，判断是否有目标物消失；
如有第一目标物消失则判定所述第一目标物跌倒。
所述测试信号由信号发射器发出，一个信号发射器发出的测试信号至少能被一个信号接收器接收到。
所述跌倒检测区域内的测试信号需满足预定标准，其中所述预定标准是指在所述跌倒检测区域的范围内，所述目标物至少能被两个信号发射器发射的测试信号交叉直射。
进一步的，所述获取信号接收器检测到的测试信号强度是通过执行以下步骤得到的：
信号接收器识别出不同信号发射器发出的测试信号；
测量并记录下所述测试信号的强度；
读取每个信号接收器记录的测量数据。
所述信号接收器识别出不同信号发射器发出的测试信号，是通过设置信号发射器按时分复用的方法依次轮询发射测试信号，信号接收器根据各信号发射器分配的时间片识别出不同信号发射器发出的测试信号。
所述信号接收器识别出不同信号发射器发出的测试信号，是通过设置信号发射器按频分复用的方法设置每个信号发射器按不同的频率发射测试信号，信号接收器根据各信号发射器分配的频率识别出不同信号发射器发出的测试信号。
所述基准数据是通过预先测量得到的，即当检测区域范围内没有任何目标物时，检测到的检测数据就是基准数据。
所述识别出被测区域中目标物，包括以下步骤：
将基准数据与所述检测数据比较；
识别出差值大于第一阀值的所有点，其中所述每个点代表一个目标物；
根据所述识别出的点，计算得到目标物的位置信息。
进一步的，所述的检测跌倒的方法，还包括第二阀值，将连续两次检测中识别出的目标物的位置信息进行计算得到目标物间距离信息，距离小于第二阀值的目标物，判断为同一个目标物。
所述的检测跌倒的方法，还包括第三阀值，当目标物消失时间大于第三阀值时，判断为目标物跌倒。
进一步的，还包括信息素，根据信息素的减少程度判断目标物是否跌倒，其中，所述信息素是根据所述检测数据生成的。
进一步的，所述信息素S(t)＝(1-ρ)S(t-1)+s(t)，其中ρ为挥发率，h(t)为高斯卷积核，决定信息素的扩散程度；为经过计算的当前检测数据信息。
所述是通过对当前检测数据信息利用鲁棒稀疏贝叶斯学习算法计算得到的。
进一步的，所述的检测跌倒的方法，还包括特殊区域，如果目标物消失的位置在所述特殊区域附近，则认为目标物未跌倒。
更进一步的，所述特殊区域为门、床、沙发或椅子所在区域，所述目标物为人体。
一种检测跌倒的装置，包括：
信号发射单元，用于发射所述测试信号；
信号接收单元，用于接收所述测试信号；
测试信号获取单元，用于获取各信号接收器检测到的测试信号强度，得到检测数据；
识别单元，用于将所述检测数据与基准数据比较，识别出被测区域中目标物；
基准数据单元，用于生成所述基准数据；
判断单元，用于将所述目标物与之前识别的目标物相比较，判断是否有目标物消失；
控制单元，用于配置其他单元，并根据判断单元的判断结果，判定是否有目标物跌倒。
进一步的，所述信号接收单元，最低安装高度要高于目标物跌倒后的高度；所述信号接收单元，最高安装高度要低于所述目标物未跌倒前的高度。
更进一步的，所述信号接收单元安装高度为距地面1米。
进一步的，所述信号发射单元为ZigBee或WiFi信号发射器；所述信号接收单元为ZigBee或WiFi信号接收器。
进一步的，所述检测跌倒的装置，还包括计时单元，所述计时单元实现对目标物消失时间的计时功能。
所述信号发射器产生的信号满足所述预定标准的要求，即在跌倒检测区域范围内目标物能被至少两个不同源的测试信号交叉直射。
进一步的，所述检测跌倒的装置，还包括滤波器，实现对上述测试信号进行滤波处理。
更进一步的，所述滤波器采用平滑线性滤波器。
进一步的，所述检测跌倒的装置，信号发射器采用时分复用的方法，依次轮询发射特定无线信号。
进一步的，所述检测跌倒的装置，信号发射器采用频分复用的方法，不同信号发射器采用不同的频率发射特定无线信号。
相比现有技术，本发明的有益效果在于：
1、通过无线信号检测跌倒，利用无线信号的穿透性，没有盲区，避免了基于图像分析检测时的视觉盲区的影响。
2、通过在检测区域设置无线信号来检测跌倒，方便设置，免去了通过设置压力传感器的方法检测时压力传感器设置困难的问题。
3、通过无线信号检测跌倒，不用在被测物上安装设备或传感器，免去了通过加速度检测方式必须在被测物上安装设备或传感器的麻烦。
4、信号发射器和信号接收器使用市电，避免了穿戴式检测电池没电时无法工作的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的目的、特征和优点能够更明显易懂，特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是按照本发明一实施方式检测跌倒的方法的流程图；
图2是本发明一种实施例示意图；
图3是本发明另一种实施例示意图；
图4是图3中检测方法对应的测试信号强度的一种记录方式；
图5是本发明一种实施方式中实现识别被测区域中目标物的方法；
图6是图1中步骤102完成测试信号的检测，得到检测数据的一种方法；
图7是图1中步骤103完成目标物识别步骤的一种方法；
图8是按照本发明一实施方式用于检测跌倒的装置的示意结构图。
具体实施方式
下面结合附图详细描述本发明的具体实施方式。
图1是按照本发明一实施方式检测跌倒的方法的流程图。该流程开始于步骤101。然后，在步骤102检测跌倒检测区域内的测试信号的信号强度，单位为DB。这里对测试信号的检测是通过检测特征值实现的，所述特征值可以是信号强度，也可以是相位，或者是频率，或者是其他具有区别特征的特征值。
跌倒检测区域内的测试信号是由信号发射器产生的。为实现跌倒检测区域内目标物跌倒的检测，信号发射器产生的测试信号需满足一定的标准。在此对信号发射器产生的测试信号的标准进行简要的讨论。对于跌倒检测区域内的目标物，例如人体，根据测试环境和要求的不同，测试信号需满足不同的标准。对于简单的环境，如图2所示的房间，当目标物如人的数量为一个时，信号发射器可以设置在房间的一侧，在与信号发射器对应的另一侧设置信号接收器。设置的信号发射器的数量和信号发射器产生的无线信号的辐射张角有关，张角越大，需要的信号发射器的数量越少；信号接收器的数量和被测物的体积和尺寸相关，体积、尺寸越大则需要的接收器的数量越少，反之，则越多。一个信号发射器发出的测试信号至少要能被一个信号接收器接收到。对于目标物为人时，一般信号接收器每隔5～20厘米设置一个。在图2中，房间左侧的信号发射器发出无线信号，房间右侧的信号接收器接收信号，由于人体对信号的影响，信号接收器采集到的接收信号会产生变化，如信号强度会由于人体的阻挡而衰减，而当人体跌倒时阻挡消失，接收信号的衰减也随之消失，即可实现人体跌倒的检测。此种方法比较简单，不能实现被测人员的准确定位，只能实现一个维度上的检测，对于复杂情况，如：两个或多个人并排站立，此时就不能实现准确的跌倒检测。
如图3所示，如要实现对被测人员的准确定位，则要求所述跌倒检测区域内的特定无线信号需满足预定标准，其中所述预定标准是指在所述跌倒检测区域的范围内，所述目标物如人体，被至少两个不同源的信号发射器发出的测试信号交叉直射。通过确定交叉点的位置，即可确定所述目标物如人体的具体位置。
图4是图3中检测方法对应的测试信号强度的一种记录方式，在步骤102中，完成一次测试信号的检测后得到的检测数据可以用数列表示，检测数据是个m行n列的数列，其中m的值等于信号接收器的数量，n的值等于信号发射器的数量。每一列代表同一信号发射器发射的测试信号，每行代表同一信号接收器接收到的不同信号发射器发射的测试信号。数列中的每一个值代表其所在行的信号接收器接收到的所在列的信号发射器产生的测试信号的强度值大小。
在步骤103，将步骤102中检测到的检测数据与基准数据进行比较。其中基准数据是通过预先测量得到的，即当跌倒检测区域范围内没有任何目标物时，信号接收器检测到的检测数据就是基准数据。通过将检测到的检测数据与基准数据比较可以识别出被测区域内的目标物，具体识别方法有多种方式，此处详细说明一种检测识别方法，该方法不对能达到本发明目的的其他方法构成任何限制。
图5示出本发明一种实施方式中实现识别被测区域中目标物的方法。图5中信号接收器和信号发射器是一体的，封装在同一个外壳下，统称为信号器；选取某一个信号器作为二维坐标的原点，如将左下角的信号器定为坐标的原点，按其他信号器的相对位置，在坐标图中标示出其坐标。检测数据对应的数组中的每个数据，可以在坐标图上对应到确定的一个发射信号的信号器到接收信号的信号器的链路；如检测数据中第二行第三列的数据，对应的就是3号信号器发射到2号信号器接收的一条链路。
将检测数据与基准数据比较，即将基准数据与检测数据相同行列位置的值做差，如果该基准数据与检测数据差值大于第一阀值，则认为该链路上存在目标物，并将其对应的链路在坐标图上用直线连起来。将所有存在目标物的链路都在坐标图上用直线标出。在坐标图上找出两条不同链路的交叉点，每个交叉点就是一个目标物。在图5中，由于目标物人体的遮挡，从1号信号器到7号信号器链路，从5号信号器到8号信号器链路的信号强度衰减大于第一阀值，将这两条链路对应的在坐标图中连起来，连线的交叉点即是目标物在二维坐标中的位置。所述第一阀值和具体的目标物有关，当目标物对测试信号的衰减作用较大时，第一阀值也较大；当目标物对测试信号的衰减作用较小时，第一阀值也较小。当目标物为人体时，第一阀值一般为1～5，尤其当第一阀值为3时对人体的识别效果较好，并能有效减少误判。
步骤104，将当前识别到的目标物与之前已识别的目标物作比较。如果有之前识别的目标物不在当前识别的目标物范围内，表明有目标物消失，消失的目标物可能不止一个，将消失的目标物按序号编号为第一目标物，第二目标物等；当至少有一个目标物消失时，即如有第一目标物消失则判定所述第一目标物跌倒。
信号发射器可以采用时分复用的方法工作，即信号器按编号轮询发射信号，每次轮询到则发射信号1毫秒。信号器内的接收器除去自己发射信号的时间，其他时刻都在工作，检测其他信号器发射的信号的强度。
信号发射器也可以采用频分复用的方法工作，即信号发射器采用不同的频率发射信号，信号接收器通过信号的频率来区分不同的信号发射器，并检测信号的强度。
图6示出图1中步骤102完成测试信号的检测，得到检测数据的一种方法。图1中的步骤102包括步骤601到603。在步骤601选中一个信号接收器，读取该信号接收器测量到的每一个信号发射器的信号强度；在步骤602,判断是否还有其他信号接收器未被读取，如有则选中该信号接收器，重复601的步骤；在步骤603，生成检测数据；检测数据是个m行n列的数组，其中m的值等于信号接收器的数量，n的值等于信号发射器的数量。每一列代表同一信号发射器发射的测试信号，每行代表同一信号接收器接收到的测试信号。数组中的每一个值代表其所在行的信号接收器接收到的所在列的信号发射器产生的测试信号的强度值大小。
图7示出图1中步骤103完成目标物识别步骤的例子。在步骤701，将基准数据与测试数据比较，即将基准数据与测试数据对应数组上相同位置的值做差。在步骤702，找出测试数据矩阵中所有差值大于第一阀值的点。在步骤703计算目标物的具体位置，此处列举其中一种计算方法，该方法不对其他任何方法起到限定作用。具体为：如图5所示，在二维坐标图上根据信号接收器和信号发射器的位置关系，将其标识；将步骤702中得到的点，根据其行列信息，在二维坐标图上将其代表的链路用直线连起来；在坐标图上找到链路的交叉点；每个交叉点对应一个目标物。在步骤704，根据位置信息对目标物进行编号并记录下识别到的目标物的具体二维坐标位置信息和编号。
进一步的，在步骤704，对目标物进行编号时，由于目标物，如人，是会运动的，所以有可能两次不同的测试数据中识别的不同位置上的人，实际上是同一个人。为解决这个问题，引入第二阀值，即将连续两次测量中识别的目标物在二维坐标中的位置进行比较，当位置间距离小于第二阀值时，则认为是同一个目标物。第二阀值和每次测量之间隔的时间长短相关，测量的频度越高，第二阀值越小，但系统功耗越大；测量的频度越低，第二阀值越大，系统功耗越小，但测试准确度降低；根据实际测试，测量的频度控制在每秒50次左右，系统功耗较为合适，识别准确率较高。此时第二阀值为5厘米。
进一步的，在上述步骤104中通过判断是否有已识别的目标物消失来判断目标物是否跌倒。当目标物为人时，有可能造成误判，如当人短时间蹲下或弯腰时，由于检测不到人体对信号的遮挡，可能会造成误判跌倒。为解决这个问题，引入第三阀值，只有当目标物消失的时间超过第三阀值时才认为目标物跌倒。
进一步的，还可以通过信息素来判别目标物的跌倒。具体的，当目标物跌倒时，当前检测数据中目标物对链路信号的遮挡消失，从而导致信息素随之减少，通过检测信息素的减少可以判别目标物是否跌倒。所述信息素是通过所述检测数据生成的，即通过一段时间内的测试信号的信号强度集合来生成信息素，具体方法如下，述信息素生成的方法为S(t)＝(1-ρ)S(t-1)+s(t)，其中s(t)为当前时刻t的实时信息素点值；h(t)为高斯卷积核，决定实时信息素点值的扩散程度；为经过计算的当前检测数据信息，所述是通过对当前检测数据信息利用鲁棒稀疏贝叶斯学习算法计算得到的。设定挥发率ρ，则可生成截止t时刻的阴影衰落信息素图S(t)＝(1-ρ)S(t-1)+s(t)，挥发率ρ取值在0到1之间，包括0和1两个端点值。不同的挥发率ρ代表信息素历史数据的挥发程度，ρ越大挥发速率越快，ρ越小挥发程度越慢。
此处举例说明一种信息素的具体生成方法，本方法不对本发明的其他实现方法构成限制。将被检测区域分为N像素，t时刻阴影衰落分布记为x(t)＝{xi(t)|i＝1,…,N}。当目标物位于像素i时，xi(t)取值非零，否则为零。链路信号强度的测量与未知稀疏影像x(t)之间的关系可表示为y(t)＝Φx(t)+e(t)其中y(t)＝{yi(t)|i＝1,…,M}，yi(t)为t时刻链路i的信号强度测量值，即实时信号强度值与感知层没有目标时获得的基准数据值之差，e(t)为观测噪声，测量矩阵Φ＝{φi,j}，φi,j表示像素j对链路i的阴影衰落贡献。影像重构的主要挑战来源于多径衰落干扰致使的异常RSS测量数据。
针对包含异常值的测量数据，下面将采用鲁棒稀疏贝叶斯学习算法进行阴影衰落影像重构。约束阴影衰落影像x(t)和观测噪声e(t)的每一个分量独立服从0均值高斯分布，即其中A＝diag{α1,…,αN}，B＝diag{β1,…,βM}。则阴影衰落分布的最大后验估计为
其中为马氏距离，即参数A和B通过迭代学习的方式获得。前者自适应地调节惩罚函数以增强稀疏促进能力；后者自适应地调节损失函数以弱化异常RSS测量对数据拟合的影响，增强鲁棒性。约束B中每一个元素服从伽马分布，即βi＝Gamma(v,v)，同时假定A中每一个元素具有无信息先验。则参数A和B的学习法则可由最大化联合分布logp(y(t),A,B,v)求得：
其中，Σii为Σ＝B+ΦAΦT主对角线上的第i个元素，为学习误差向量的第i个元素。迭代估计和直至收敛，可获得鲁棒稀疏的阴影衰落影像估计
信息素可表示成S(t)＝(1-ρ)S(t-1)+s(t)，其中s(t)为当前时刻t的实时信息素点值，h(t)为高斯卷积核，决定信息素的扩散程度，ρ为挥发率，决定信息素的挥发速度。
对于人体跌倒检测，根据不同的环境，如家里，可能存在一些特殊区域，如沙发、门或床之类的地方，当被检测的人在沙发或床上休息，或者从门离开房间时可能会造成误判为跌倒，此时，可以根据实际环境，设置特殊区域，当目标物消失时，如果其位置位于这些特殊区域，则不认为目标物摔倒，以免引起误判。
图8是按照本发明一实施方式用于检测跌倒的装置的示意结构图。801代表信号接收单元，802代表测试信号获取单元，803为识别单元，804为基准数据，805为信号发射单元，806为控制单元，807为判断单元。
信号发射单元，用于发射所述测试信号。信号发射器用于产生所述测试信号，要实现目标物的准确定位，则在所述跌倒检测区域的范围内，目标物能被至少两个不同源的测试信号交叉直射。信号发射器产生的无线信号可以是本领域通用的ZigBee或是WiFi等无线信号。信号发射器可以采用时分复用的方法，依次轮询发射特定无线信号；也可以采用频分复用的方法，不同信号发射器采用不同的频率发射特定无线信号。
信号接收单元，用于接收所述测试信号。信号接收单元也可用于检测测试信号的其他特征值，如信号强度、信号相位、信号频率等。进一步的，所述信号接收器设置于离地面1米高时，检测效果较佳。当目标物为人体时，信号接收器设置离地面较高时，如1米以上，当人坐下时容易产生跌倒误判；信号接收器设置过低，信号容易被其他物体遮挡，影响检测效果。
测试信号获取单元，用于获取各信号接收器检测到的测试信号强度，得到检测数据。
识别单元，用于将所述检测数据与基准数据比较，识别出被测区域中目标物。
基准数据单元，用于生成所述基准数据。
判断单元，用于将所述目标物与之前识别的目标物相比较，判断是否有目标物消失。
控制单元，用于配置其他单元，并根据判断单元的判断结果，判定是否有目标物跌倒。
进一步的，还可以有告警单元808，用于跌倒识别后的告警，告警可以通过声音、灯光实现告警，也可以通过WiFi模块，3G，4G等无线模块实现消息或电话告警。
更进一步的，还包括有计时单元809，用于给控制器提供计时功能，用于如给第三阀值提供计时等。
进一步的，所述装置还可以包含有滤波器，实现对测试信号的滤波功能，所述滤波器采用平滑线性滤波器，采用高斯卷积平滑算法实现对测试信号的滤波功能。
虽然以上描述了本发明的具体实施方式，但是本技术领域内的技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所述权利要求书限定。
Claims (24)
1.一种检测跌倒的方法，其特征在于，包括如下步骤：
获取信号接收器检测到的测试信号强度，得到检测数据；
将所述检测数据与基准数据比较，识别出被测区域中目标物，其中基准数据是被测区域内没有目标物时通过预先测量得到的检测数据；
所述识别出被测区域中目标物，包括以下步骤，
将基准数据与所述检测数据比较；
识别出差值大于第一阀值的所有点，其中每个所述点代表一个目标物；根据识别出的点，计算得到目标物的位置信息；
还包括第二阀值，将连续两次检测中识别出的目标物的位置信息进行计算得到目标物间距离信息，距离小于第二阀值的目标物，判断为同一个目标物；
将当前检测到的目标物与之前识别的目标物比较，判断是否有目标物消失；
如有第一目标物消失则判定所述第一目标物跌倒。
2.如权利要求1所述的检测跌倒的方法，其特征在于：所述测试信号由信号发射器发出，一个信号发射器发出的测试信号至少能被一个信号接收器接收到。
3.如权利要求1所述的检测跌倒的方法，其特征在于：跌倒检测区域内的测试信号需满足预定标准，其中所述预定标准是指在所述跌倒检测区域的范围内，所述目标物至少能被两个信号发射器发射的测试信号交叉直射。
4.如权利要求1所述的检测跌倒的方法，其特征在于，所述获取信号接收器检测到的测试信号强度是通过执行以下步骤得到的：
信号接收器识别出不同信号发射器发出的测试信号；
测量并记录下所述测试信号的强度；
读取每个信号接收器记录的测量数据。
5.如权利要求4所述的检测跌倒的方法，其特征在于：所述信号接收器识别出不同信号发射器发出的测试信号，是通过设置信号发射器按时分复用的方法依次轮询发射测试信号，信号接收器根据各信号发射器分配的时间片识别出不同信号发射器发出的测试信号。
6.如权利要求4所述的检测跌倒的方法，其特征在于：所述信号接收器识别出不同信号发射器发出的测试信号，是通过设置信号发射器按频分复用的方法设置每个信号发射器按不同的频率发射测试信号，信号接收器根据各信号发射器分配的频率识别出不同信号发射器发出的测试信号。
7.如权利要求1所述的检测跌倒的方法，其特征在于：
所述基准数据是通过预先测量得到的，即当检测区域范围内没有任何目标物时，检测到的检测数据就是基准数据。
8.如权利要求1所述的检测跌倒的方法，其特征在于：还包括第三阀值，当目标物消失时间大于第三阀值时，判断为目标物跌倒。
9.如权利要求1所述的检测跌倒的方法，其特征在于：还包括信息素，根据信息素的减少程度判断目标物是否跌倒，其中，所述信息素是根据所述检测数据生成的。
10.如权利要求9所述的检测跌倒的方法，其特征在于：所述信息素S(t)＝(1-ρ)S(t-1)+s(t)，其中ρ为挥发率，h(t)为高斯卷积核，决定信息素的扩散程度；为经过计算的当前检测数据信息。
11.如权利要求10所述的检测跌倒的方法，其特征在于：所述是通过对当前检测数据信息利用鲁棒稀疏贝叶斯学习算法计算得到的。
12.如权利要求1所述的检测跌倒的方法，其特征在于：还包括特殊区域，目标物消的失位置在所述特殊区域附近，则认为目标物未跌倒。
13.如权利要求12所述的检测跌倒的方法，其特征在于：所述特殊区域为门、床、沙发或椅子所在区域。
14.如权利要求1所述的检测跌倒的方法，其特征在于：所述目标物为人体。
15.一种检测跌倒的装置，所述检测跌倒的装置用于执行权利要求1-14中任意一种检测跌倒的方法，其特征在于，包括：
信号发射单元，用于发射所述测试信号；
信号接收单元，用于接收所述测试信号；
测试信号获取单元，用于获取各信号接收器检测到的测试信号强度，得到检测数据；
识别单元，用于将所述检测数据与基准数据比较，识别出被测区域中目标物；
基准数据单元，用于生成所述基准数据；
判断单元，用于将所述目标物与之前识别的目标物相比较，判断是否有目标物消失；
控制单元，用于配置其他单元，并根据判断单元的判断结果，判定是否有目标物跌倒。
16.如权利要求15所述检测跌倒的装置，其特征在于：所述信号接收单元，最低安装高度要高于目标物跌倒后的高度；所述信号接收单元，最高安装高度要低于所述目标物未跌倒前的高度。
17.如权利要求15所述检测跌倒的装置，其特征在于：所述信号接收单元安装高度为距地面1米。
18.如权利要求15所述检测跌倒的装置，其特征在于：所述信号发射单元为ZigBee或WiFi信号发射器；所述信号接收单元为ZigBee或WiFi信号接收器。
19.如权利要求15所述检测跌倒的装置，其特征在于：还包括计时单元，所述计时单元实现对目标物消失时间的计时功能。
20.如权利要求15所述检测跌倒的装置，其特征在于：所述信号发射单元产生的信号满足预定标准的要求，即在跌倒检测区域范围内目标物能被至少两个不同源的测试信号交叉直射。
21.如权利要求15所述检测跌倒的装置，其特征在于：还包括滤波器，实现对上述测试信号进行滤波处理。
22.如权利要求21所述检测跌倒的装置，其特征在于：所述滤波器为平滑线性滤波器。
23.如权利要求15所述检测跌倒的装置，其特征在于：所述信号发射器采用时分复用的方法，依次轮询发射特定无线信号。
24.如权利要求15所述检测跌倒的装置，其特征在于：所述信号发射器采用频分复用的方法，不同信号发射器采用不同的频率发射特定无线信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610255255.1A CN105957307B (zh) | 2016-04-22 | 2016-04-22 | 一种检测跌倒的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610255255.1A CN105957307B (zh) | 2016-04-22 | 2016-04-22 | 一种检测跌倒的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105957307A CN105957307A (zh) | 2016-09-21 |
| CN105957307B true CN105957307B (zh) | 2019-01-29 |
Family
ID=56914884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610255255.1A Expired - Fee Related CN105957307B (zh) | 2016-04-22 | 2016-04-22 | 一种检测跌倒的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105957307B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909771B (zh) * | 2017-10-08 | 2020-04-10 | 南京邮电大学 | 一种基于无线传感网络的人员跌倒报警系统及其实现方法 |
| CN107610415A (zh) * | 2017-10-12 | 2018-01-19 | 上海斐讯数据通信技术有限公司 | 一种报警方法和无线终端 |
| CN109285148B (zh) * | 2018-08-31 | 2021-09-28 | 西安电子科技大学 | 基于重加权低秩和增强稀疏的红外弱小目标检测方法 |
| CN109394229A (zh) * | 2018-11-22 | 2019-03-01 | 九牧厨卫股份有限公司 | 一种跌倒检测方法、装置及系统 |
| CN111627185A (zh) * | 2019-02-27 | 2020-09-04 | 富士通株式会社 | 跌倒报警方法、装置以及跌倒检测系统 |
| CN112863126A (zh) * | 2020-12-31 | 2021-05-28 | 苏州圣珀软件科技有限公司 | 分散型居家监护系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102404873A (zh) * | 2011-07-20 | 2012-04-04 | 东北大学秦皇岛分校 | 基于物联网的老年人室内监护方法及系统 |
| CN102984822A (zh) * | 2012-12-12 | 2013-03-20 | 北京凯思昊鹏软件工程技术有限公司 | 一种在有限空间中人员活动的感知方法 |
| CN103745569A (zh) * | 2013-12-30 | 2014-04-23 | 杨松 | 检测人体跌倒的方法和终端 |
| CN105451235A (zh) * | 2015-11-13 | 2016-03-30 | 大连理工大学 | 基于背景更新的无线传感器网络入侵检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8773269B2 (en) * | 2008-06-27 | 2014-07-08 | Neal T. RICHARDSON | Autonomous fall monitor |
-
2016
- 2016-04-22 CN CN201610255255.1A patent/CN105957307B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102404873A (zh) * | 2011-07-20 | 2012-04-04 | 东北大学秦皇岛分校 | 基于物联网的老年人室内监护方法及系统 |
| CN102984822A (zh) * | 2012-12-12 | 2013-03-20 | 北京凯思昊鹏软件工程技术有限公司 | 一种在有限空间中人员活动的感知方法 |
| CN103745569A (zh) * | 2013-12-30 | 2014-04-23 | 杨松 | 检测人体跌倒的方法和终端 |
| CN105451235A (zh) * | 2015-11-13 | 2016-03-30 | 大连理工大学 | 基于背景更新的无线传感器网络入侵检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于无线传感器的人体姿态被动识别与定位研究;谷敏敏;《万方学位论文》;20160330;第1-60页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105957307A (zh) | 2016-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105957307B (zh) | 一种检测跌倒的方法和装置 | |
| CN105142516B (zh) | 用于确定来自对象的生命体征信息的装置和方法 | |
| Wang et al. | RT-Fall: A real-time and contactless fall detection system with commodity WiFi devices | |
| JP4058286B2 (ja) | 監視装置 | |
| JP5991388B2 (ja) | 安否監視装置 | |
| US11140875B2 (en) | Method for locating animals | |
| US10722148B2 (en) | Fall detection devices, systems, and methods | |
| CN113925475B (zh) | 一种非接触式的人体健康监测系统及监测方法 | |
| CN107257651A (zh) | 医学监测的场景检测 | |
| KR20220027727A (ko) | Mimo 레이더를 사용하는 상관 움직임 검출 및 측정 | |
| CN105493163A (zh) | 用于检测跌倒的方法和跌倒检测系统 | |
| CN110192862A (zh) | 一种基于雷达的非接触式人体呼吸检测方法及装置 | |
| CN205810115U (zh) | 一种车辆检测传感器 | |
| US11978562B2 (en) | System and method for monitoring passengers and controlling an elevator system | |
| EP3432791A1 (en) | Fetal movement monitoring system and method | |
| KR20090119157A (ko) | 유비쿼터스 센서 네트워크 및 멀티 센서 기반의 생리 현상모니터링 시스템 | |
| CN105787504A (zh) | 人体行为识别方法及系统 | |
| JP4576416B2 (ja) | 監視装置 | |
| CN105741491A (zh) | 基于卡尔曼滤波与knn算法的跌倒检测报警系统及方法 | |
| CN112806962A (zh) | 基于tof及红外模组的小孩睡眠状态监测方法及装置 | |
| WO2012002904A1 (en) | Device and method for detection of abnormal spatial states of a human body | |
| JP5037423B2 (ja) | 離床予測装置及び離床予測方法 | |
| Thammachote et al. | Contactless monitoring of human behaviors in bed using RSSI signals | |
| CN208689725U (zh) | 一种基于红外检测技术的独居老人发生意外主动求救装置 | |
| WO2013035022A1 (en) | Activity monitoring for demand-controlled ventilation |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190129 |