CN112261221A - 一种基于智能终端的人体跌倒检测方法 - Google Patents

Abstract

本发明公开了一种基于智能终端的人体跌倒检测方法，属于人体跌倒检测技术领域。本发明通过计算人体倾斜角和高度变化来判断人体跌倒。对于人体倾斜角的计算，本发明通过智能手机所处的坐标系和世界坐标系之间的旋转变换来计算；本发明利用人体在行走过程中高度保持不变这一事实，在行走过程中不断计算气压值，动态校准地面和智能手机之间的气压差值，从而获得高度变化。通过以上方式实现本发明可以在复杂环境中对人体跌倒检测的准确率达到分米级别。

Description

一种基于智能终端的人体跌倒检测方法

技术领域

本发明属于跌倒检测技术领域，具体涉及一种基于携带的智能终端的人体跌倒检测技术。

背景技术

现有的跌倒检测技术可分为三类：基于视频的跌倒检测系统，基于声学的跌倒检测系统，以及基于穿戴式传感器的跌倒检测系统。

其中，基于视频的跌倒检测系统是在一定区域内安装摄像头，拍摄人体活动的画面。通过图像处理的方法，检测是否有跌倒发生；基于声学的跌倒检测系统是通过分析跌倒时的音频信号来检测；基于穿戴式传感器的跌倒检测系统，即基于穿戴设备中所设置的传感器，实现对人体活动的检测，进而检测是否发生跌倒。

基于视频的跌倒检测系统受到区域限制；基于声学的跌倒检测系统准确率相对有待提高。现有基于穿戴式传感器的跌倒检测系统的检测准确率有待于进一步提高。

本发明的发明人在实现本发明方案过程中发现，对于人体跌倒的定义，涉及到两个关键的概念：重力线(LoG)和支撑区(BoS)。重力线是地心引力线，它是从地心引力中心向下投射的垂直线。BoS是人体下面的支撑区，包括与支撑面的接触点和它们之间的面积。这些点可以是身体部位(如脚或手)，也可以是身体部位的延伸部分(如主体所坐的拐杖或椅子)。

跌倒是一种生物力学事件，因为重力破坏了身体躯干在腿上的平衡。当重力线在支撑区内时，人是稳定的。当重力线在支撑区之外时，人是不稳定的，可能会跌倒。根据这一定义，对跌倒的检测需要一个与人体相关的移动坐标系统来表示和表征人体倾斜角与高度随时间的变化。

参见图1，将第i个检测周期内，一个人的身体坐标系X_[b]iY_[b]iZ_[b]i用X_iY_iZ_i表示，其中身体坐标系X_[b]iY_[b]iZ_[b]i是相对于身体的方位来定义的。当身体的方位改变时，坐标轴不改变。当人保持直立(例如站立和行走)时，X_[b]i轴指向左侧，Y_[b]i轴指向头部，Z_[b]i轴指向身体前部外侧。三个坐标轴同时任取两个，形成三个解析平面，分别是纵分面(左右)、横轴面(头尾)和冠状面(前后)。

当一个人在检测周期i和j分别站立和跌倒时(参考图1)，其身体会倾斜并转换到一个新的坐标系，图1中所示的X_jY_jZ_j，即X_[b]jY_[b]jZ_[b]j，通过旋转坐标轴X_[b]iY_[b]iZ_[b]i得到。Y_[b]j轴与X_[b]i轴、Y_[b]i轴和Z_[b]i轴之间的倾斜角表示身体的相对运动方向为左/右、上/下和前/后倾斜。倾斜角估计可以用于区分不同类型的跌倒，如滑倒和绊倒。另一个重要的观察是，相对于地板的高度(设备高度)从h_i变化到h_j，即高度变化值为h_j/i。测量高度可以用于识别不同类型的状态，比如躺在床上或地板上。因此，可以基于人体携带的智能终端实现对人体倾斜角与高度的检测来实现人体跌倒检测处理，进一步提升跌倒检测的检测性能。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种能实现精确以及精细化跌倒类型的人体跌到检测方法。

本发明的人体跌倒检测方法，包括下列步骤：

步骤1：基于人体携带的智能终端估计人体倾斜角和人体高度变化；

基于智能终端所处的设备坐标系和世界坐标系之间的旋转变换，估算人体倾斜角；

基于所采集的智能终端的气压测量值估算人体的高度变化；

步骤2：人体跌倒检测及跌倒类型判定：

若人体倾斜角和人体高度变化同时低于各自对应的跌倒阈值时，则判定人体发生跌倒；并基于人体倾斜角与各跌倒类型的阈值的匹配结果，确定跌倒类型。

进一步的，步骤1中，所述人体倾斜角包括身体的左右、上下和前后方向的倾斜角。

进一步的，步骤2中，若上下方向的倾斜角和人体高度变化分别低于各自对应的跌倒阈值时，则判定人体发生跌倒；并基于左右和前后方向的倾斜角与各跌倒类型的阈值的匹配结果，确定跌倒类型。

进一步的，步骤1中，人体倾斜角的估算处理过程具体为：

初始检测周期r的参考身体坐标系X_[b]Y_[b]Z_[b]为检测周期r的身体坐标系X_[b]rY_{[b] r}Z_[b]r，其中，X_[b]轴指向身体的左侧，Y_[b]轴指向身体的头部，Z_[b]轴指向身体前部外侧；

在检测周期r的下一个检测周期t内，基于智能终端内置的计步传感器检测检测周期t是否为行走状态；

检测周期t为行走状态：若如果X_[b]Y_[b]Z_[b]通过水平旋转转化为检测周期t的身体坐标系X_[b]tY_[b]tZ_[b]t，则将X_[b]Y_[b]Z_[b]更新为X_[b]tY_[b]tZ_[b]t；否则，重置X_[b]Y_[b]Z_[b]为世界坐标系X_[w]Y_[w]Z_[w]；其中，X[w]轴与设备当前位置的地面相切并大致指向东，Y[w]轴与设备当前位置的地面相切并指向磁北极，Z[w]轴指向天空并且垂直于地面；

检测周期t为非行走状态：若X_[b]Y_[b]Z_[b]通过水平旋转转化为X_[b]tY_[b]tZ_[b]t，则X_[b]Y_[b]Z_[b]更新为X_[b]tY_[b]tZ_[b]t；否则，X_[b]Y_[b]Z_[b]保持不变；

根据当前的参考身体坐标系X_[b]Y_[b]Z_[b]与检测周期t的身体坐标系X_[b]tY_[b]tZ_[b]t估算人体的当前倾斜角：将轴Y_[b]与X_[b]t之间的倾斜角作为身体左右方向的倾斜角，将轴Y_[b]与Y_[b]t之间的倾斜角作为身体上下方向的倾斜角，将轴Y_[b]与Z_[b]t之间的倾斜角作为身体前后方向的倾斜角。

进一步的，身体的左右、上下和前后方向的倾斜角的具体估算方式为：

基于智能终端内置的旋转矢量传感器获取智能终端在当前检测周期的旋转矩阵R_[d/w]r：当前检测周期的智能终端的设备坐标系相对于世界坐标系的旋转矩阵；其中，设备坐标系相对于智能终端的屏幕定义；

根据

计算检测周期r的身体坐标系到设备坐标系的旋转矩阵R_[b/d]r；

根据

计算检测周期t的身体坐标系到世界坐标系的旋转矩阵R_[b/w]t；

根据

计算检测周期t的身体坐标系到参考坐标系的旋转矩阵R_[b/b]t；

根据

得到身体左右方向的倾斜角

根据

得到身体上下方向的倾斜角

根据

得到身体前后方向的倾斜角

进一步的，本发明的人体高度变化的估算处理过程具体为：

将首次检测到人体处于行走状态时的多个气压测量值的均值作为初始行走气压p_W；

将首次检测到人体处于静止状态时的多个气压测量值的均值得到静态初始气压p_s；

设置初始气压差p_D/F为：

基于在检测周期t的人体状态，设置检测周期t的智能终端与地面之间的气压差的p_D/F|t：若为静止状态或行走状态，则

否则p_D/F|t＝p_F；

其中，

p_t-1、p_t分别表示在检测周期t-1、t内的气压测量值(基于智能终端内置的气压检测器测量得到)，α表示平滑参数，p_F表示参考地面气压(地面气压的参考值)；根据

估算在检测周期t的人体高度变化r_D/W|t。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明利用人体随身携带的智能终端所采集的方位信息估算人体倾斜角，以及基于所采集的智能终端的气压测量值估算人体的高度变化，从而基于人体倾斜角和高度变化实现对人体发生跌倒的检测判定，并基于人体倾斜角进行不同跌倒类型的检测，有效的提升了检测的准确率及跌倒类型的精细划分；本发明通过智能终端所处的设备坐标系和世界坐标系之间的旋转变换实现对人体倾斜角的估算，同时利用人体在行走过程中所携带的智能终端的高度保持不变这一事实，通过在行走过程中不断计算智能终端的气压值，动态校准地面和智能设备之间的气压差值，从而获得人体的高度变化，以及通过大气压值初始化和动态检测人体状态(行走、静止、解锁)从而对测量值进行动态校准，提高检测精确度，进而实现可以在复杂环境中对人体跌倒检测的准确率达到分米级别。

附图说明

图1为人体倾斜与高度示意图，其中，O表示坐标原点，X_iY_iZ_i、X_jY_jZ_j分别表示第i、j个检测周期的身体坐标系，h_i、h_j分别表示对应的设备高度，h_j/i表示高度变化。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

本发明的基于智能终端的人体跌倒检测方法，简称SAFE。本发明的SAFE利用人体在行走过程中高度保持不变这一事实，在行走过程中不断计算气压值，动态校准地面和智能终端之间的气压差值，从而获得高度变化。通过以上方法实现本发明可以在复杂环境中对人体跌倒检测的准确率达到分米级别。

其基于下述两个限定条件：

A1、用户将智能终端(例如手机)放在衣服(如衬衫/夹克)的口袋里。本具体实施方式中，优选上半身衣服的口袋，从而达到利用躯干的角度表示胸骨相对于重力的方向。

A2、为了初始化SAFE，用户被要求将手机放在地板上并保持几秒钟不动。SAFE需要估计静止状态下加速度传感器的测量误差，测量与手机初始高度相关的地面气压，即一次初始化。从而根据基本的统计数据，可以对地面气压进行动态校准。

SAFE的基本思想是实时准确地检测出物体的基本状态，然后充分利用这些状态的约束来更新和校准测量数据，从而最终获得一个跌倒的详细特征。SAFE基于以下三种基本状态的约束和分割来识别和区分其他感兴趣的状态(如跌倒、站立和坐下)：

行走是一种稳定的运动状态。身体大致保持直立，所以手机口袋的高度保持稳定。

静止是一个恒定的稳态。手机的高度保持不变，虽然高度可能是未知的。

解锁具有一定的方向性。当用户醒来或解锁手机时，手机指向与身体相同的方向。

本发明的SAFE由倾斜角估计和高度测量两部分组成。

倾斜角估计的核心是一系列的坐标变换。假设检测周期r和s的状态分别为行走和解锁，身体的姿态从第r个检测周期到第s个检测周期没有变化。SAFE采取以下步骤计算倾斜角度：

1、在第s个检测周期内，根据手机的指向确定身体的方位，在第r个检测周期内，将其对应的身体坐标系X_[b]rY_[b]rZ_[b]r作为参考身体坐标系X_[b]Y_[b]Z_[b]；

2、在第r个检测周期内，找出手机和身体的相对方向；

3、根据身体和手机的相对方向，更新第t个检测周期(即第s个检测周期的下一个检测周期)的身体方向。

4、求出身体在r和t检测周期内身体的相对方位，计算出Y_[b]与X_[b]t、Y_[b]t、Z_[b]t的倾斜角度。

为了跟踪身体的旋转，SAFE考虑了以下两个条件对X_[b]Y_[b]Z_[b]进行了更新：

C1.第t个检测周期为行走的状态。

与第r个检测周期一样，身体在第t个检测周期也是直立的。如果X_[b]Y_[b]Z_[b]可以通过水平旋转转化为X_[b]tY_[b]tZ_[b]t，则手机就在原来的口袋里。X_[b]Y_[b]Z_[b]由X_[b]rY_[b]rZ_[b]r更新为X_[b]tY_[b]tZ_[b]t。否则，重置为世界坐标系X_[w]Y_[w]Z_[w]，等待下一次解锁。其中，X_[w]轴是切向地面设备的当前位置，通常设定其指向方向为东，Y_[w]轴是切向地面设备的当前位置，指向为磁北极,Z_[w]轴指向天空，垂直于地面。

C2.第t个检测周期不是行走的状态。

如果X_[b]Y_[b]Z_[b]可以通过水平旋转转化为X_[b]tY_[b]tZ_[b]t，即而X_[b]Y_[b]Z_[b]没有重置，则身体为直立。X_[b]Y_[b]Z_[b]更新为X_[b]tY_[b]tZ_[b]t。否则，参考身体坐标系X_[b]Y_[b]Z_[b]将保持不变。

更新过程可以在(t+1)检测周期内继续。自动和连续的更新允许SAFE适应不同的用户习惯。

地面气压的预测与标定是高度测量的关键。当人在行走或手机静止时，SAFE连续调节地面气压，保持相对气压差。相对气压差与手机的高度直接相关。即使在高度未知的情况下，也可以通过短期测量得到。假设在检测周期u和v中的状态分别为行走和解锁。如果SAFE在第o个检测周期测量地面气压，并且o和u之间有一个很短的时间间隔t_u，则检测周期u的人体高度h_u(即设备高度)可以被非常准确地测量，为后续的行走提供精细的校准。由于地面气压是不断调整的，检测周期v的人体高度h_v可能不如h_u精确，但可以提供粗粒度校准。

本发明在实现跌倒检测处理的过程中，所涉及到的倾斜角计算和高度测量具体如下：

(1)倾斜角计算。

通过旋转矢量传感器获取智能终端相对于世界坐标系统的方向。世界坐标系统X_[w]Y_[w]Z_[w]，是智能终端所在的固定坐标系统。

在第i个检测周期中，智能终端的方向将由世界坐标系与设备坐标系X_[d]iY_[d]iZ_[d]i(相对于智能终端屏幕定义)对齐所需的旋转来表示。类似于X_[b]iY_[b]iZ_[b]i，设备坐标系X_{[d] i}Y_[d]iZ_[d]i是一个嵌入在设备中的移动坐标系统。当智能终端保持默认方向时(如手机的纵向定位)，X_[d]i轴是水平的，指向右边，Y_[d]i轴是垂直的，指向上面，Z_[d]i轴指向屏幕外表面。

给定两个坐标系X和Y，定义X/Y的符号来表示从X到Y的变换。从X_[d]iY_[d]iZ_[d]i与X_[w]Y_[w]Z_[w]对齐开始，第i个检测周期有三个元素旋转，R_Z(θ_Z[d/w]i)，R_X(θ_X[d/w]i)和R_Y(θ_Y[d/w]i)分别表示对于X_[d]iY_[d]iZ_[d]i的旋转角。Tait-Bryan角(θ_Z[d/w]i，θ_X[d/w]i，θ_Y[d/w]i)是这些元素的度量值。

例如，目标方向可以通过以下输入获得：

X_[d]iY_[d]iZ_[d]i对于Z_[w]轴的旋转角θ_Z[d/w]i；

X_[d]iY_[d]iZ_[d]i对于X_[w]轴的旋转角θ_X[d/w]i；

X_[d]iY_[d]iZ_[d]i对于Y_[w]轴的旋转角θ_Y[d/w]i；

除非另有说明，否则SAFE将选择此默认序列。定义R_[d/w]i表示第i个周期的旋转矩阵，用于描述坐标系X_[d]iY_[d]iZ_[d]i相对于坐标系X_[w]Y_[w]Z_[w]的旋转矩阵，其表达式为：

Android传感器框架提供了一种使用R_[d/w]i计算设备方向的方法，具体如下：

方位角

为绕-Z_[w]轴的旋转角度，表示设备当前指南针方向与地磁北之间的夹角；R_[d/w]i(m,n)表示旋转矩阵R_[d/w]i的第m行第n列的元素。

倾斜角θ_P＝arcsin(-R_[d/w]i(3,2))，为绕X_[w]轴的旋转角度，表示与设备屏幕平行的平面与与地面平行的平面之间的夹角；

旋转角

为绕Y_[w]轴的旋转角度，表示垂直于设备屏幕的平面与垂直于地面的平面之间的夹角。

相对于世界坐标系(s周期)：首先描述和表示的是从X_[b]Y_[b]Z_[b]到X_[w]Y_[w]Z_[w]的旋转矩阵R_[b/w]。身体和手机的水平旋转角分别为θ_Z[b/w]s和θ_Z[d/w]s。当状态为解锁状态时，θ_Z[b/w]s等于θ_Z[d/w]s，其中θ_Z[d/w]s如下式计算：

其中R_[d/w]s(3,1)和R_[d/w]s(3,3)由公式(1)得到。本发明中，θ_Z[b/w]s的计算不是唯一的，因为它是依赖于序列的。当状态为行走时，身体是直立的，即Y_[b/w]r与Z_[w]是一致的。假设r和s之间的间隔很短，那么物体的方向没有改变，所以θ_Z[b/w]r＝θ_Z[b/w]s＝θ_Z[d/w]r。设X_[b]Y_[b]Z_[b]为X_[b]rY_[b]rZ_[b]r，即R_[b/w]＝R_[b/w]r。通过定义三个Tait-Bryan角

R_[b/w]可以用一系列旋转来表示：

身体坐标系到设备坐标系的转换(第r周期)：求出从X_[b]rY_[b]rZ_[b]r到X_[d]rY_[d]rZ_[d]r的旋转矩阵为R_[b/d]r。已知旋转向量传感器得到的R_[d/w]r，可以计算R_[b/d]r：

身体坐标系到世界坐标系的转换(第t周期)：下一步，SAFE求出从X_[b]tY_[b]tZ_[b]t到X_[w]Y_[w]Z_[w]的旋转矩阵为R_[b/w]t。已知旋转向量传感器得到的R_[d/w]t，可以计算R_[b/w]t：

身体坐标系到参考坐标系的转换(第t周期)以及倾斜角：最后，SAFE描述从X_{[b] t}Y_[b]tZ_[b]t到X_[b]Y_[b]Z_[b]的旋转矩阵为R_[b/b]t。因为X_[b]rY_[b]rZ_[b]r等于X_[b]Y_[b]Z_[b]，R_[b/b]t等于R_[b/b]t/r，R_[b/b]t/r是从X_[b]tY_[b]tZ_[b]t到X_[b]rY_[b]rZ_[b]r的旋转矩阵。其中R_[b/w]t，R_[b/w]和R_[b/b]t有如下关系：

Y_[b]与X_[b]t，Y_[b]t，Z_[b]t的倾斜角可以如下计算：

其中

分别代表左右，上下，前后倾斜角。

(2)高度测量。

首先，要求用户将智能终端放在地面上几秒钟，以测量初始地面气压p_F和加速度计误差。假设智能终端在地面上第o个检测周期，取n个样本的窗口，从而得到n个地面气压的测量值，对n个测量值取均值得到p_F，p_F为后续的动态校准提供了一个初始值，并且只需要测量一次。a_Z[d/w]o可以用来测量高度变化，a_Z[d/w]o定义如下：

其中，a_X[d]i、a_Y[d]i、a_Z[d]i分别表示设备坐标系的X_[d]i轴、Y_[d]i轴和Z_[d]i轴上的加速度，

和

分别表示a_Z[d/w]o的样本均值和标准差。

随后，当手机第一次处于行走状态时，SAFE会估算初始行走气压p_W。假设计步传感器检测行走状态(基于手机内置的计步传感器实现，当检测到行走，统计步数加1，否则统计步数不变)在第u个检测周期。对于一个有n个样本的窗口，p_W是n个气压测量值的平均值。

其次，SAFE通过测量静态初始压力p_S来检测静止状态下的手机，假设手机在第v个检测周期处于一个未知高度的桌子上。a_Z[d/w]v的标准分数a_a|v如下计算：

如果a_a|v＜3，则手机的状态为静止。对于一个有n个样本的窗口，p_S是n个压力测量值的平均值。

当状态为行走或者静止，SAFE采用简单的指数平滑法预测地面气压

考虑这两种情况，设备到地面的初始气压差p_D/F为：

只要手机还在原来的口袋里，行走中的p_D/F就不会改变。如果手机的位置不变，静止状态下的p_D/F是稳定的。令第i个检测周期内的气压测量值为p_i，第i个检测周期的地面气压值p_F/i可计算为：

p_F/i＝p_i-p_D/F (11)

在第(i+1)检测周期的地面气压预测值

等于最近的地面气压值p_F|i与先前的地面气压预测值

之间的加权平均值，即：

其中α∈[0,1]是一个可以通过最小化残差平方和(SSE)来估计的平滑参数。其中

为测量值，即

在第i个检测周期内，设备与地面之间的估计气压差

可由以下公式给出：

在第i个检测周期内，从设备到地面的测量气压差预计为p_D|F。因此，残差为

取l个样本的窗口，其残差平方和

通过调整α使得SSE最小，来达到优化平滑参数α的目的。

如果既不是行走状态也不是静止状态，则平滑过程将停止，并且p_F|i+1将用参考地面气压。

定义归一化压力比r_D/W|i来描述行走状态下，第i个检测周期内设备高度相对于所测量的初始口袋高度的变化：

(3)跌倒检测处理。

为了实现检测跌倒，需要分别为上下倾斜角θ_{Y [b]tY[b]}和高度变化r_D/W|i设置适当的阈值。同时，为了区分不同类型的跌倒，本发明通过左右倾斜角θ_{X [b]tY[b]}和前后倾斜角θ_Z[b]tY[b]的变化与预置阈值的匹配来确认。本发明中，关于是否发生跌倒的阈值和检测跌倒类型的阈值的取值为经验预设值，例如遵循帕累托原则进行取值设置，若当前某个检测周期的上下倾斜角和高度变化同时低于对应的阈值时，判定为跌倒。例如，上下倾斜角和高度变化的阈值可以分别是0.2×π/2和0.2，若判定为跌倒，再基于每个跌倒类型所预设的跌倒类型阈值(针对左右和前后倾斜角分别设置跌倒类型阈值)，根据与跌倒类型阈值的匹配结果，确定对应的跌倒类型，其中跌倒类型包括：滑到和绊倒。

本具体实施方式中，的倾斜角和高度变化的检测依赖于手机内置的加速度传感器和气压检测器，加速度和气压采样周期不同，本发明通过自定义的检测周期中所采集的对应数据实现跌倒的检测处理，即每个检测周期内都存在对应的加速度传感器值和气压检测器值。优选的，将检测周期设置为气压检测器的采样周期。

此外，本发明中，人体高度变化的检测处理还可以采用下述方式：

当前检测周期内的地面气压(p)被准确较准，则基于该气压测量值通过公式(15)转换为设备高度h：

其中，p表示当前的气压测量值，p₀表示海平面的标准大气压。

再将当前的设备高度与参考设备高度的高度变化作为当前检测周期的人体高度变化。例如，将站立时所对应的设备高度作为参考设备高度。

当应用本发明方法进行人体跌倒检测时，对于手机没有放在口袋的情况，(例如位于手提或手提包)，跌倒检测处理还可以可以设定一个定长观察时间检测手机是否处于静止状态，并提供手动输入选项以供用户选择是否需要提供紧急服务，例如采用Apple Watch提供的紧急服务的方式相同方式实现。一旦检测到跌倒，跌倒检测处理会首先提示用户，如果用户在一定时长内未响应，则致电或发送短信给预先指定的第三方，例如护理中心，亲戚或朋友等。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (10)

1.人体跌倒检测方法，其特征在于，包括下列步骤：

步骤1：基于人体携带的智能终端估计人体倾斜角和人体高度变化；

基于智能终端所处的设备坐标系和世界坐标系之间的旋转变换，估算人体倾斜角；

基于所采集的智能终端的气压测量值估算人体的高度变化；

步骤2：人体跌倒检测及跌倒类型判定：

若人体倾斜角和人体高度变化同时低于各自对应的跌倒阈值时，则判定人体发生跌倒；并基于人体倾斜角与各跌倒类型的阈值的匹配结果，确定跌倒类型。

2.如权利要求1所述的方法，其特征在于，步骤1中，所述人体倾斜角包括身体的左右、上下和前后方向的倾斜角。

3.如权利要求1所述的方法，其特征在于，步骤2中，若上下方向的倾斜角和人体高度变化分别低于各自对应的跌倒阈值时，则判定人体发生跌倒；并基于左右和前后方向的倾斜角与各跌倒类型的阈值的匹配结果，确定跌倒类型。

4.如权利要求1所述的方法，其特征在于，步骤1中，人体倾斜角的估算处理过程具体为：

初始检测周期r的参考身体坐标系X_[b]Y_[b]Z_[b]为检测周期r的身体坐标系X_[b]rY_[b]rZ_[b]r，其中，X_[b]轴指向身体的左侧，Y_[b]轴指向身体的头部，Z_[b]轴指向身体前部外侧；

在检测周期r的下一个检测周期t内，基于智能终端内置的计步传感器检测检测周期t是否为行走状态；

检测周期t为行走状态：若如果X_[b]Y_[b]Z_[b]通过水平旋转转化为检测周期t的身体坐标系X_[b]tY_[b]tZ_[b]t，则将X_[b]Y_[b]Z_[b]更新为X_[b]tY_[b]tZ_[b]t；否则，重置X_[b]Y_[b]Z_[b]为世界坐标系X_[w]Y_[w]Z_[w]；其中，X_[w]轴是切向设备当前位置的地面并指向东，Y_[w]轴是切向设备当前位置的地面并指向磁北极，Z_[w]轴指向天空并垂直于地面；

检测周期t为非行走状态：若X_[b]Y_[b]Z_[b]通过水平旋转转化为X_[b]tY_[b]tZ_[b]t，则X_[b]Y_[b]Z_[b]更新为X_[b]tY_[b]tZ_[b]t；否则，X_[b]Y_[b]Z_[b]保持不变；

根据当前的参考身体坐标系X_[b]Y_[b]Z_[b]与检测周期t的身体坐标系X_[b]tY_[b]tZ_[b]t估算人体的当前倾斜角：将轴Y_[b]与X_[b]t之间的倾斜角作为身体左右方向的倾斜角，将轴Y_[b]与Y_[b]t之间的倾斜角作为身体上下方向的倾斜角，将轴Y_[b]与Z_[b]t之间的倾斜角作为身体前后方向的倾斜角。

5.如权利要求4所述的方法，其特征在于，身体的左右、上下和前后方向的倾斜角的具体估算方式为：

基于智能终端内置的旋转矢量传感器获取智能终端在检测周期r的旋转矩阵R_[d/w]r：当前检测周期的智能终端的设备坐标系相对于世界坐标系的旋转矩阵；其中，设备坐标系相对于智能终端的屏幕定义；

根据

计算检测周期r的身体坐标系到设备坐标系的旋转矩阵R_[b/d]r；

根据

计算检测周期t的身体坐标系到世界坐标系的旋转矩阵R_[b/w]t；

根据

计算检测周期t的身体坐标系到参考坐标系的旋转矩阵R_[b/b]t；

根据

得到身体左右方向的倾斜角

根据

得到身体上下方向的倾斜角

根据

得到身体前后方向的倾斜角

6.如权利要求1所述的方法，其特征在于，步骤1中，人体高度变化的估算处理过程具体为：

将首次检测到人体处于行走状态时的多个气压测量值的均值作为初始行走气压p_W；

将首次检测到人体处于静止状态时的多个气压测量值的均值得到静态初始气压p_s；

设置初始气压差p_D/F为：

基于在检测周期t的人体状态，设置检测周期t的智能终端与地面之间的气压差的p_D/F|t：若为静止状态或行走状态，则

否则p_D/F|t＝p_F；

其中，

p_t-1、p_t分别表示在检测周期t-1、t内的气压测量值，α表示平滑参数，p_F表示参考地面气压；

根据

估算在检测周期t的人体高度变化r_D/W|t。

7.如权利要求6所述的方法，其特征在于，参考地面气压p_F为：将智能终端放置于地面，采集多个气压测量值，并将多个气压测量值的均值作为参考地面气压p_F。

8.如权利要求6所述的方法，其特征在于，静止状态的检测方式具体为：

计算当前检测周期v的加速度变化a_Z[d/w]v的标准分数z_a|v，若z_a|v＜3，则智能设备的状态为静止状态，即人体处于静止状态；

其中，

和

分别表示a_Z[d/w]v的样本均值和标准差。

9.如权利要求4所述的方法，其特征在于，步骤2中，基于当前检测周期获得的气压测量值p，根据公式

得到当前检测周期的设备高度h，并将设备高度h与参考设备高度之间的差值作为人体的高度变化；其中，p₀表示海平面的标准大气压。

10.如权利要求1所述的方法，其特征在于，还包括跌倒通知处理：当检测到人体发生跌倒时，通过智能终端提示用户，若用户在一定时长内未响应，则向指定的第三方发送跌倒检测通知。

Images