本發明涉及行為分析與識別方法領域，特別是一種摔倒檢測方法。

背景技術：

21世紀是人口老齡化的時代，目前，世界上所有發達國家都已經進入老齡社會，許多發展中國家正在或即將進入老齡社會。中國是世界上老年人口最多的國家，據數據顯示，2004年底，中國60歲及以上老年人口為1.43億，2014年將達到2億，2026年將達到3億，意外摔倒是65歲以上人群主要的健康威脅以及死亡原因，在因摔倒而需要醫療護理的人群中，65歲及以上的占到超過30％，而因摔倒致死的人群中，40％是80歲以上的老者。在超過85歲的人群中，2/3的意外摔倒直接導致死亡。據報告顯示，在老年之家和養老院中，66％的居民每年至少會有一次意外摔倒，而這并不包括未報告的情況，因此，這個數字還是可能被低估的。老年人摔倒發生率高、后果嚴重,已經成為一個嚴重的醫療問題和社會問題，通過科學的手段有效預測老年人摔倒,從而減小老年人因摔倒帶來的傷害已成為全球新的研究熱點。

目前，對于人體摔倒檢測，從硬件上一般分為基于視覺分析的方法和基于穿戴式傳感器分析的方法兩種，其中，采用視覺分析的方法進行人體摔倒檢測會嚴重受到外界環境影響，比如光照條件、背景、遮擋大小和攝像機質量等，另外，由于攝像機監測區域有限，被監測的老年人或者病人的活動范圍會受到限制，在利用穿戴式傳感器檢測人體摔倒的研究中，專利cn201220265264.6是采用三軸陀螺儀、三軸磁力計和三軸加速度計三者來確定摔倒行為，計采集到的數據進行多次的融合計算得出融合加速度，從而判斷人體是否摔倒，該種計算方法復雜，不能迅速的判斷人體摔倒，造價勢必昂貴。

技術實現要素：

本發明的發明目的是，針對上述問題，提供一種摔倒檢測方法，目的是提高對人體摔倒檢測的準確性，簡化人體摔倒檢測算法。

為達到上述目的，本發明所采用的技術方案是：

提供一種摔倒檢測方法，其特征在于包括以下步驟：

步驟s1：通過人體佩戴的傳感器采集人體x軸、y軸、z軸三個方向加速度，計算每一時間節點對應人體合加速度a，通過與所述傳感器連接的處理系統制作出時間t與合加速度a關系的實時坐標圖；

步驟s2：設定標準坐標圖，所述標準坐標圖為根據人體發生跌倒時，對時間t與合加速度a關系分析作出的坐標圖；所述標準摔倒坐標圖包括摔倒坐標圖、高處摔落坐標圖和摔倒昏迷坐標圖；

步驟s3：設定撞擊標志，若觸發所述撞擊標志，執行下一步驟；摔倒標志為a>g，所述g為重力加速度；

步驟s4：對實時坐標圖分析、處理，與標準坐標圖對比；若標準摔倒坐標圖被處理系統處理過的實時坐標圖相似度大于一閾值，再通過計算amaz/amzx值大小，判定是否發生摔倒、摔倒種類和摔倒程度。

采用上述方法的可以提高人體摔倒的準確性，也可以極大的簡化算法，只有在觸發撞擊標志時，系統才會進行下一步的坐標圖對比，系統不用時時處于高負荷的工作中。

進一步的，步驟s1中所述實時坐標圖為水平方向為時間t，豎直方向為合加速度a的直角坐標圖。

進一步的，步驟s2中所述標準坐標圖為水平方向為時間t，豎直方向為合加速度a的直角坐標圖。

采用上述兩個進一步的方案，其效果在于：采用直角坐標圖，直觀，簡潔，讓所述方法簡單明了，易被接受。

進一步的，步驟s4中所述固定值大小為90％。

采用上述兩個進一步的方案，其效果在于：采用高的相似度，判定更為準確。

進一步的，步驟s4中所述相似度計算方法為：先求出經過處理后的時間t、合加速度a實時坐標圖中的曲線與時間t軸形成的陰影面積，再求出標準摔倒坐標圖曲線與時間t軸形成的陰影面積，兩者比值即為相似度。

采用上述兩個進一步的方案，其效果在于：利用陰影面積得出相似度，極大地簡化了計算復雜度。

進一步的，步驟s4中amaz/amzx大于或等于1.5為嚴重摔倒，amaz/amzx不于1.5或大于等于0.7時為一般摔倒。

采用上述兩個進一步的方案，其效果在于：可以通過簡單的計算，可以分辨出人體摔倒時受到的沖擊程度，對不同和摔倒程度，采取不同的求救措施。

由于采用上述技術方案，本發明具有以下有益效果：

1.本發明可以準確地檢測到摔倒狀態，極大地簡化了算法的復雜程度，大大降低了被檢測者因為摔倒而導致的嚴重后果。

2.本發明可以區分的摔倒類型，準確度高，可對不同地摔倒狀態采取不同的應對措施，避免對幫助者不必要的麻煩。

3.本發明具有很強的實用價值，算法簡單，對硬件要求不高，實施于穿戴方監護設備上，造價便宜，適合推廣。

附圖說明

圖1是本發明步驟框圖；

圖2是本發明檢測到第一實時坐標圖；

圖3是本發明檢測到第二實時坐標圖；

圖4是本發明檢測到第三實時坐標圖；

圖5是本發明摔倒標準坐標圖；

圖6是本發明高處摔落標準坐標圖；

圖7是本發明摔倒昏迷標準坐標圖。

具體實施方式

本發明方法具體實施方式步驟如下：

如圖1所示，為本實施方法的實施步驟，包括四個步驟，步驟具體如下：

步驟s1中，通過三軸加速度傳感器采集人體x軸、y軸、z軸三個方向加速度，此處以人體正前方為x軸正方向，人體正右方為y軸正方向，人體正上方為z軸正方向，x軸、y軸、z軸三軸相互垂。計算人體合加速度a，制作時間t與合加速度a關系的直角坐標圖。如圖2所示為第一實時直角坐標圖，圖中水平方向為時間t，豎直方向為合加速度a，圖中0～1s,合加速度a在0～1g范圍內波動，在1～1.5s秒時，合加速度大小a＝g左右，在隨后的0.3秒時間里，合加速度突變到amax＝4g，隨后合加速度a為0～0.8g回歸到一個較小值范圍波動；如圖3所示為第二實時直角坐標圖，圖中水平方向為時間t，豎直方向為合加速度a，圖中0～1.7s,合加速度a在0～1g范圍內波動，在1.7～2.1s秒時，合加速度大小a快速左右，在隨后的0.3秒時間里，合加速度突變到amax＝1.8g，隨后合加速度a為0～0.8g回歸到一個較小值范圍波動；如圖4所示為第三實時直角坐標圖，圖中水平方向為時間t，豎直方向為合加速度a，圖中0～1.5s,合加速度a在0～1g范圍內波動，在1.5～1.8s秒時，合加速度大小a快速增大突變到amax＝2.5g，隨后合加速度a為0；

步驟s2：設定標準坐標圖，根據對人體摔倒觀察，設定以下幾種所述標準坐標圖為根據人體發生跌倒時，對時間t與合加速度a關系分析作出的坐標圖。如圖5所示，為人體摔倒時標準坐標圖。圖中，摔倒前，有一較底加速范圍波動，簡化為一直線，摔倒時，以加速開始大幅增加，然后有一短時間突變，加速度到達峰值，后下降到一很小范圍波動，簡化為一直線。如圖6所示，為人體高處摔落標準坐標圖，圖中相對比摔倒標準坐標圖，高處摔落標準坐標圖在摔倒前，有一時間段加速度為固定g大小，此處g即為重力加速度。如圖7所示，為摔倒昏迷標準坐標圖，圖中相對比摔倒標準坐標圖，在摔倒后，加速度值趨于零，在人體昏迷時，處于靜止狀態，加速度很小；

步驟s3：設定摔倒標志為a>g，所述g為重力加速度，若觸發所述撞擊標志，執行下一步驟。這樣，檢測方法不必實時進行實時圖與標準圖的對比計算，極大簡化了計算方法的復雜度，降低對硬件的要求，節約他資源。

步驟s4：對實時坐標圖分析、處理，將小范圍波動區域簡化為直線，摔倒時僅取撞擊標志發生時前后3秒坐標圖與標準坐標圖對比，實時獲取實時坐標圖中出來的特征，與所有標準圖相比較，相似特征多者為對應摔倒圖。如有一時間段為加速度為g。求出經過處理后的時間t、合加速度a實時坐標圖中的曲線與時間t軸形成的陰影面積，再求出標準摔倒坐標圖曲線與時間t軸形成的陰影面積，兩者比值即為相似度。計算amaz/amzx值，大于或等于1.5為嚴重摔倒，amaz/amzx不于1.5或大于等于0.7時為一般摔倒。

第一實時坐標圖中有一加速度a為g，有一突變a,則實時坐標圖檢測到的摔倒為高處摔落；計算出實時坐標圖陰影面積s實＝1.42分辨是否發生摔倒。若標準摔倒坐標圖中，高處摔落標準坐標圖陰影面積s高＝1.5，相似度1.42/1.5*100％＝94.67％，被處理系統處理過的實時坐標圖相似度大于90％，再通過計算amaz/amzx＝2，判定則為摔倒、高處摔倒未昏迷和摔倒程度為嚴重；第二實時坐標圖中有一加速度a有一突變且大于g,則實時坐標圖檢測到為摔倒；計算出實時坐標圖陰影面積s實＝0.95分辨是否發生摔倒。若標準摔倒坐標圖中，摔倒標準坐標圖陰影面積s高＝1.0，相似度0.95/1.0*100％＝95％，被處理系統處理過的實時坐標圖相似度大于90％，再通過計算amaz/amzx＝0.9，判定則為摔倒、未昏迷和摔倒程度為一般；第三實時坐標圖中有一加速度a有一突變且大于g,隨后加速度為0，則實時坐標圖檢測到為摔倒昏迷；計算出實時坐標圖陰影面積s實＝0.76分辨是否發生摔倒。若標準摔倒坐標圖中，摔倒昏迷標準坐標圖陰影面積s高＝0.8，相似度0.76/0.8*100％＝95％，被處理系統處理過的實時坐標圖相似度大于90％，再通過計算amaz/amzx＝1.3，判定則為摔倒、昏迷和摔倒程度為一般；

上述說明是針對本發明較佳可行實施例的詳細說明，但實施例并非用以限定本發明的專利申請范圍，凡本發明所提示的技術精神下所完成的同等變化或修飾變更，均應屬于本發明所涵蓋專利范圍。