一种老人跌倒检测方法
阅读说明：本技术 一种老人跌倒检测方法 (Old people falling detection method ) 是由 林砺宗 王晓明 颜建军 王学强 于 2021-09-10 设计创作，主要内容包括：本发明公开了一种老人跌倒检测方法,通过六轴传感器获得活动人体姿势数据,实现对人体姿势的检测；对六轴传感器实时获得传的六轴数据进行预处理和姿态融合处理；提取多个特征值；将提取得到特征值与设定的阈值比较,若满足跌倒条件,则判定发生跌倒现象,若不满足跌倒条件,则判定未发生跌倒现象。本发明通过三轴加速度Ax,Ay和Az,合加速度SA,合角速度SG和合姿态角变化幅值ΔSAA来作为判断是否跌倒的特征量,与传统的仅用三轴加速度和三轴角速度作为跌倒检测的特征量的方法相比,具有准确率高的特点,有效降低了误差。(The invention discloses a method for detecting falling of old people, which is characterized in that moving body posture data are obtained through a six-axis sensor to realize detection of body postures; preprocessing and attitude fusion processing are carried out on six-axis data acquired and transmitted by the six-axis sensor in real time; extracting a plurality of characteristic values; and comparing the extracted characteristic value with a set threshold value, if the characteristic value meets a falling condition, judging that the falling phenomenon occurs, and if the characteristic value does not meet the falling condition, judging that the falling phenomenon does not occur. According to the invention, the three-axis accelerations Ax, Ay and Az, the combined acceleration SA, the combined angular velocity SG and the combined attitude angle change amplitude Delta SAA are used as the characteristic quantity for judging whether the user falls down, and compared with the traditional method of only using the three-axis accelerations and the three-axis angular velocities as the characteristic quantity for fall detection, the method has the characteristic of high accuracy and effectively reduces the error.)
技术领域
本发明涉及老人跌倒检测技术领域，具体为一种老人跌倒检测方法。
背景技术
人口老龄化成为了当今世界的重要趋势，按联合国定义，一个国家中 65岁及以上的人口占比大于7％就被定义为老龄化国家。在我国人口老龄化成为了常态，我国超过65岁的人口数量在2019年末已经到达了17603 万，占总人口比重的12.6％。同时预计在2035年和2050年时，我国65岁及以上的老人将会接近3.1亿和3.8亿，占我国总人口的比重分别达到22.3％和27.9％。因此，人口老龄化给我国的社会结构带来了极大的冲击，也给我国的经济发展造成了深远的影响。
现阶段，我国的老龄化和空巢的家庭数量仍然逐渐增加，而我国的养老体系和社保制度正在发展，还没有十分的完善，普及程度也没有面面俱到，社会中养老福利院等机构更是供不应求。据数据显示，我国的养老院床位数量与老人的比例仅为1:150，社会公共养老服务普及程度与满足所有老人被照料需求的矛盾逐渐递增，要想解决这类问题，国家除了大力完善养老政策体系外，还需要加大财政输出在养老设施上，但是我国是人口大国，没法在短期内做到卓有成效。
与此同时，随着经济的飞速发展，除了物质生活需求，人们对身体的重视程度愈发强烈，尤其老人随着年龄的不断增加，身体素质及认知能力逐渐衰退，出现跌倒、走失、心血管类突发疾病的风险也随之提高。在2011 年我国卫生部发布过指南指出，在我国老人的意外死亡中跌倒致死成为了第一因素，每年有40％的老人发生过跌倒事件，而在80岁以上高龄群体中竟高达60％，显示的是我国老年人在2010年到2015年中发生意外死亡的因素统计，从图中可以看出，跌倒造成死亡的比例分别在男性和女性老人中高居第一和第二位。老人跌倒的严重性要比年轻人高得多，尤其让一些有骨骼类基础疾病的老人雪上加霜，甚至会造成抑郁、恐惧等心理隐患，严重伤害了老人的身心健康。利用可穿戴设备进行跌倒实验，大多使用融合的加速度和角速度作为特征量，仅用三轴加速度和三轴角速度作为跌倒检测的特征量，准确率不会很高。因此我们对此做出改进，提出一种老人跌倒检测方法。
发明内容
为了解决上述技术问题，本发明提供了如下的技术方案：
本发明一种老人跌倒检测方法，包括以下步骤；
步骤1，通过六轴传感器获得活动人体姿势数据，实现对人体姿势的检测；
步骤2，对六轴传感器实时获得传的六轴数据进行预处理和姿态融合处理；
步骤3，提取多个特征值；
步骤4，将提取得到特征值与设定的阈值比较，若满足跌倒条件，则判定发生跌倒现象，若不满足跌倒条件，则判定未发生跌倒现象，回到步骤1。
作为本发明的一种优选技术方案，所述六轴传感器获得的六轴数据进行姿态融合处理的方法是，首先定义人体坐标系和参考坐标系，从而得到姿态角；利用四元数法解出姿态角，其中四元数由下式表达，
Q(q0，q1，q2，q3)＝q0+q1i+q2j+q3k，
式中，q0、q1、q2、q3为实数，i，j，k为空间上互相正交的虚单位；
其中人体坐标系和地理坐标系之间可以通过旋转矩阵相互转化，则有，
式中，Mb为人体坐标系中的方向矩阵，Nn为地理坐标系中的方向矩阵；
则由欧拉定理可知上式中的旋转矩阵可表示为，
也可用姿态角表示旋转矩阵为：
由以上两式可以得出姿态角和四元数的关系如下式：
θ＝-sin-1(2(q1q3-q0q2))，
式中，γ为翻滚角Roll，θ为俯仰角Pitch，为偏航角Yaw，q0、 q1、q2、q3为实数为四元数。
作为本发明的一种优选技术方案，所述的提取多个特征量的方法是，通过六轴传感器的检测结果得到三轴加速度Ax，Ay和Az，根据三轴加速度Ax，Ay和Az计算得到合加速度SA，
式中，Ax，Ay和Az指人体坐标系下预处理后的三轴加速度值；
得到合角速度SG，其中，
式中，Gx，Gy和Gz表示在人体坐标系下预处理后绕X轴、Y轴和Z 轴的旋转角速度；
得到合姿态角变化幅值ΔSAA，选取俯仰角Pitch和翻滚角Roll的变化量绝对值总和做为特征量，表达式如下，
ΔSAA＝Δ|Pitch|+Δ|Roll|。
作为本发明的一种优选技术方案，所述的将计算得到特征量与设定的该特征量的阈值比较的方法是，
A、当合加速度SA大于设定的阈值M2时，且满足延时N秒后结果不变，此时满足合角速度SG大于的设定的阈值M3；同时满足三轴加速度中的Ay大于器设定的阈值M1或Az大于设定的阈值M1；还满足合角速度 SG大于大于设定的阈值M4，当四者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当四者未能同时满足是则表明未发生跌倒现象；
B、当合加速度小于设定的阈值M2时，若同时合角速度SG小于设定的阈值M3且大于三分之二M3；三轴加速度Ax小于零且Ay；当三者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当三者未能同时满足是则表明未发生跌倒现象；
C、当合加速度小于设定的阈值M2时，且同时合角速度SG大于设定的阈值M3或小于于三分之二M3，三轴加速度Az大于设置的阈值M1；同时俯仰角Pitch大于设定的60°，当四者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当四者未能同时满足是则表明未发生跌倒现象。
本发明的有益效果是:
本发明中通过六轴传感器获得活动人体姿势数据，实现对人体姿势的检测；对六轴传感器实时获得传的六轴数据进行预处理和姿态融合处理；提取多个特征值；，将提取得到特征值与设定的阈值比较，若满足跌倒条件，则判定发生跌倒现象，若不满足跌倒条件，则判定未发生跌倒现象，回到步骤1。其中六轴传感器利用特有的检测方法人体姿态进行跌倒检测的，其中通过三轴加速度Ax，Ay和Az，合加速度SA，合角速度SG和合姿态角变化幅值ΔSAA来作为判断是否跌倒的特征量，与传统的仅用三轴加速度和三轴角速度作为跌倒检测的特征量的方法相比，具有准确率高的特点，有效降低了误差。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种老人跌倒检测方法的步骤图；
图2是本发明四元数法解出姿态角的流程图；
图3是当人体发生跌倒时合加速度SA的曲线图；
图4是当人体发生跌倒时合角速度SG的曲线图；
图5是当人体发生跌倒时合姿态角SAA的曲线图；
图6是六轴传感器对人体姿态进行跌倒检测的方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：一种老人跌倒检测方法，包括以下步骤，如图1所示，
首先对为了统一姿态角的标准，需要定义人体坐标系和参考坐标系，参考坐标系选用的是地理坐标系，即选用东、北、天分别作为坐标系的X轴、 Y轴和Z轴。，人体坐标系实际上选取的是MPU6050的坐标系，根据硬件电路中传感器的摆放位置，规定沿着手臂至头部方向为X轴正方向，垂直手臂沿正前方方向为Y轴正方向，垂直手背朝外方向为Z轴正方向，故三轴加速度方向即沿着人体坐标系三轴方向，三轴角速度即绕各轴的旋转速度，姿态角即翻滚角、俯仰角和偏航角，是基于地理坐标系和人体坐标系定义的，其中，翻滚角Roll是人体坐标系X轴与地理坐标系的东北面夹角，俯仰角Pitch是人体坐标系Y轴与地理坐标系的东北面夹角，偏航角Yaw 是人体坐标系Y轴在东北面上投影与正东方向的夹角。在日常生活中，因人体可能会朝向地理的各个方向，因此，偏航角Yaw不能作为参考特征量如图3所示然后有以下步骤：
步骤1，通过六轴传感器获得活动人体姿势数据，实现对人体姿势的检测；
步骤2，对六轴传感器实时获得传感器的六轴数据进行预处理和姿态融合处理；对六轴传感器实时获得传感器的六轴数据进行预处理的方法是，如图2所示，四元数是由六轴传感器数据解算得到的，因加速度具有优良的静态稳定性，而陀螺仪的动态稳定性较好，所以需要使用互补滤波的方法。本发明中使用了加速度计的静态输出用来修正陀螺仪的动态漂移误差，解算流程如下图2所示
步骤3，提取多个特征值；
步骤4，将提取得到特征值与设定的阈值比较，若满足跌倒条件，则判定发生跌倒现象，若不满足跌倒条件，则判定未发生跌倒现象，回到步骤1。
所述六轴传感器获得的六轴数据进行姿态融合处理的方法是，六轴传感器中加速度计只能测出人体各轴的加速度值，不能直接测出姿态角，陀螺仪可以用积分求出角度，但是存在一定的累积误差。求解姿态角通常使用四元数法，该算法能够以简短的计算量求解出全部的姿态角。首先定义人体坐标系和参考坐标系，从而得到姿态角；利用四元数法解出姿态角，其中四元数由下式表达，
Q(q0，q1，q2，q3)＝q0+q1i+q2j+q3k，
式中，q0、q1、q2、q3为实数，i，j，k为空间上互相正交的虚单位；
其中人体坐标系和地理坐标系之间可以通过旋转矩阵相互转化，则有，
式中，Mb为人体坐标系中的方向矩阵，Nn为地理坐标系中的方向矩阵；
则由欧拉定理可知上式中的旋转矩阵可表示为，
也可用姿态角表示旋转矩阵为：
由以上两式可以得出姿态角和四元数的关系如下式：
θ＝-sin-1(2(q1q3-q0q2))，
式中，γ为翻滚角Roll，θ为俯仰角Pitch，为偏航角Yaw，q0、 q1、q2、q3为实数为四元数。
通过六轴传感器的检测结果得到三轴加速度Ax，Ay和Az，
此处的Ax，Ay和Az是经过预处理之后的加速度，本文中预处理采用的是算术平均法滤波，以每五个采样数据的均值作为加速度和角速度检测值，这样就可有效地过滤掉干扰信号。
因为人跌倒时方向具有不确定性，以单轴加速度做判断局限较大，使用合加速度的幅值可有效降低方向的差异性，根据三轴加速度Ax，Ay和 Az计算得到合加速度SA，
式中，Ax，Ay和Az指人体坐标系下预处理后的三轴加速度值；
得到合角速度SG，其中，
式中，Gx，Gy和Gz表示在人体坐标系下预处理后绕X轴、Y轴和Z 轴的旋转角速度；
据坐标系的定义，人体在跌倒时俯仰角和翻滚角有明显的变化，而偏航角在初始零点时具有不可预知性，得到合姿态角变化幅值ΔSAA，选取俯仰角Pitch和翻滚角Roll的变化量绝对值总和做为特征量，表达式如下，
ΔSAA＝Δ|Pitch|+Δ|Roll|。
根据以上四类特征量三轴加速度、合加速度SA、合角速度SG和合姿态角变化幅值ΔSAA的计算方法。在图3中，当人体发生跌倒时，SA值首先小幅度的降低，然后快速波动增长至18m/s2左右，即由失重状态转变为超重状态，与地面碰撞时，SA不断波动降低至平稳阶段；图4表明， SG首先剧烈波动增加，撞击时SG会达到峰值，最后逐渐进入静止状态；图5中显示，SAA在跌倒阶段会小幅度的升高，然后在撞击阶段急剧降低，静止后SAA值会远小于初始值。这四类特征值的变化有一定的规律性，所以对跌倒检测有很大的参考价值。
如图6所示，所述的将计算得到特征量与设定的该特征量的阈值比较的方法是，
A、当合加速度SA大于设定的阈值M2时，且满足延时N秒后结果不变，此时满足合角速度SG大于的设定的阈值M3；同时满足三轴加速度中的Ay大于器设定的阈值M1或Az大于设定的阈值M1；还满足合角速度 SG大于大于设定的阈值M4，当四者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当四者未能同时满足是则表明未发生跌倒现象；
B、当合加速度小于设定的阈值M2时，若同时合角速度SG小于设定的阈值M3且大于三分之二M3；三轴加速度Ax小于零且Ay；当三者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当三者未能同时满足是则表明未发生跌倒现象；
C、当合加速度小于设定的阈值M2时，且同时合角速度SG大于设定的阈值M3或小于于三分之二M3，三轴加速度Az大于设置的阈值M1；同时俯仰角Pitch大于设定的60°，当四者同时满足是则表明发生跌倒现象，则拨号紧急联系人并上传跌倒信号至云服务器；当四者未能同时满足是则表明未发生跌倒现象。
最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种老年人安全与应急管理装置及其控制系统