本發明涉及監測技術領域，特別是涉及一種跌倒監測方法。

背景技術：

目前，隨著老年人口的劇增，老齡化社會以及老年人的醫療保健問題已成為當今社會的突出問題。如何實現對老年人實行醫療監護，已經成為社會急需解決的問題。根據國內外研究發現，在65周歲以上每年有30％的人發生過跌倒，并且隨著年齡的增長，這個數字也在不斷上升，在80周歲以上的老年人中，遇到跌倒的可能性甚至會達到一半。然而市場上的跌倒檢測產品并不突出。通常的跌倒監測都是基于閾值和支持向量機來進行算法判斷。

基于閾值判斷的方案中，此方案通過在身體佩戴的加速度傳感器，當人體運動時，加速度傳感器會時時記錄身體運動的加速度。當人體發生跌倒時，內部的處理器會計算當時的加速度值，當超過提前設置的閾值時，系統判斷跌倒發生，進行報警。基于閾值處理的跌倒檢測算法，具有很大的誤報和漏報概率，因為計算的單一，僅僅通過是否運動所產生的加速度是否超過一個設定的值來進行跌倒判斷，具有局限性，采用閾值判斷這種監測方式進行監測，監測的準確性較低。

技術實現要素：

本發明的目的是提供一種跌倒監測方法，以實現提高監測的準確性。

為解決上述技術問題，本發明提供一種跌倒監測方法，該方法包括：

采集運動者產生的運動數據，對運動數據進行特征處理得到特征數據；

當特征數據超過預設閾值時，對特征數據進行定位；

定位后，對特征數據進行二次判斷，判斷特征數據為跌倒數據還是非跌倒數據；

若特征數據為跌倒數據，進行報警。

優選的，所述運動數據包括加速度數據、角速度數據和脈搏數據。

優選的，所述特征數據包括加速度強度、合成角速度和脈搏速率。

優選的，采用主控模塊、六軸傳感器模塊、光電傳感器模塊獲取運動者產生的運動數據。

優選的，所述對特征數據進行二次判斷，判斷特征數據為跌倒數據還是非跌倒數據，包括：

采用k-dtree數據分類方法對特征數據和訓練庫數據的距離進行計算，通過k鄰近算法判斷特征數據為跌倒數據還是非跌倒數據。

優選的，所述采集運動者產生的運動數據，對運動數據進行特征處理得到特征數據之前，還包括：

采集運動者日?；顒拥亩嘟M運動數據，構建訓練庫數據。

優選的，采用蜂鳴器進行報警。

優選的，若特征數據為跌倒數據，進行報警之后，還包括：

將運動者的地理位置發送至指定的移動終端上。

本發明所提供的一種跌倒監測方法，采集運動者產生的運動數據，對運動數據進行特征處理得到特征數據；當特征數據超過預設閾值時，對特征數據進行定位；定位后，對特征數據進行二次判斷，判斷特征數據為跌倒數據還是非跌倒數據；若特征數據為跌倒數據，進行報警?？梢?，進行閾值處理后，對于滿足閾值的數據進行定位，再經過二次判定，對于日常的行走，慢跑等產生較小的加速度運動，可以事先通過設定閾值進行初步監測，當超過閾值時，通過閾值進行數據定位，通過二次判斷獲得跌倒數據，不僅僅具有閾值判斷還有二次判斷，提高監測的準確性。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1為本發明所提供的一種跌倒監測方法的流程圖；

圖2為本發明中k近鄰算法的流程圖；

圖3為本發明對采集數據進行處理的流程圖。

具體實施方式

本發明的核心是提供一種跌倒監測方法，以實現提高監測的準確性。

為了使本技術領域的人員更好地理解本發明方案，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

請參考圖1，圖1為本發明所提供的一種跌倒監測方法的流程圖，該方法包括：

s11：采集運動者產生的運動數據，對運動數據進行特征處理得到特征數據；

s12：當特征數據超過預設閾值時，對特征數據進行定位；

s13：定位后，對特征數據進行二次判斷，判斷特征數據為跌倒數據還是非跌倒數據；

s14：若特征數據為跌倒數據，進行報警。

可見，該方法中，進行閾值處理后，對于滿足閾值的數據進行定位，再經過二次判定，對于日常的行走，慢跑等產生較小的加速度運動，可以事先通過設定閾值進行初步監測，當超過閾值時，通過閾值進行數據定位，通過二次判斷獲得跌倒數據，不僅僅具有閾值判斷還有二次判斷，提高監測的準確性。

基于上述方法，具體的，運動數據包括加速度數據、角速度數據和脈搏數據。

詳細的，特征數據包括加速度強度、合成角速度和脈搏速率。

詳細的，采用主控模塊、六軸傳感器模塊、光電傳感器模塊獲取運動者產生的運動數據。

詳細的，對特征數據進行二次判斷，判斷特征數據為跌倒數據還是非跌倒數據的過程具體包括：采用k-dtree數據分類方法對特征數據和訓練庫數據的距離進行計算，通過k鄰近算法判斷特征數據為跌倒數據還是非跌倒數據。

進一步的，采集運動者產生的運動數據，對運動數據進行特征處理得到特征數據之前，還包括：采集運動者日?；顒拥亩嘟M運動數據，構建訓練庫數據。

其中，采用蜂鳴器進行報警。

進一步的，若特征數據為跌倒數據，進行報警之后，還包括：將運動者的地理位置發送至指定的移動終端上。

本方法是基于二次判定的跌倒監測方法，首先對日常生活中產生的數據進行閾值處理，對于滿足閾值的數據進行定位后，再經過二次判定。所謂二次判定就是k-dtree的數據分類和基于k近鄰算法進行跌倒判斷的二次判定跌倒檢測算法設計。此方法滿足實時性和準確性的要求。k-dtree的數據分類滿足再查找訓練庫的速度要求，保證實時性。k近鄰算法進行跌倒判斷滿足準確度要求。保證準確性。

詳細的，本發明通過stm32作為主控芯片，采用六軸傳感器mpu6500來提取佩戴者所產生的加速度和角速度的運動數據。采用光電傳感器采集脈搏數據。在日常訓練中，對特定的運動，進行數據采集，例如，上下樓梯，蹲起，跑步，行走，向前跌倒，側向跌倒。將采集到的每一組數據，提取所需要的特征數據。如加速度最大值，加速度最小值，角速度最大值，角速度最小值，脈搏速率。將這些數據進行歸類，用k-dtree的數據分類進行數據存儲。當訓練完畢后，即可檢測使用。

基于本方法，具體實施過程如下：

1、首先，開啟硬件終端的電源，此時mpu6500六軸傳感器即開始加速度，角速度的數據采集工作，光電傳感器開始獲得脈搏速率。

2、將采集的數據進行特征處理，首先經過閾值處理，達到預定設計的閾值后，對達到閾值的數據進行定位，將此組數據再進行二次判定。然后通過k-dtree進行和訓練庫的數據進行距離計算，在通過k近鄰算法判斷此組是跌倒數據還是非跌倒數據。如果是跌倒數據，則進行第3步。如果不是，進行第4步。

3、然后進行報警。本硬件終端配有蜂鳴器和gu620模塊。如果算法判斷為跌倒狀態，則蜂鳴器鳴響，gu620將數據通過服務器將佩戴著的地理位置發送給指定的親屬。

4：繼續進行運動數據采集。進入第2步。

本方法對于日常的行走，慢跑等產生較小的加速度運動，可以事先通過設定閾值進行初步監測，因為閾值監測所需時間短，計算簡單。當超過閾值時，在通過二次判斷通過閾值進行數據定位，獲得超過閾值的那組特征數據，在進行knn進行算法判斷。這樣可以保證較好的實時性，提高準確性。

詳細的，基于本方法，提取的特征數據包括：

(1)加速度強度向量(signalmagnitudevector,smv)：其中ax、ay、az分別代表x軸、y軸、z軸的加速度值，加速度強度向量smv如下式：

(2)陀螺儀合成角速度gry，式中gx、gy、gz分別代表三個軸的角速度的大小，可由陀螺儀傳感器采集后經過濾波得到。合成角速度可以反映出人體活動時腕部或身體旋轉的劇烈程度，陀螺儀合成角速度gry如下式：

(3)光電傳感器獲取的脈搏速率。

詳細的，基于本方法，閾值處理的過程中，對日?；顒赢a生的加速度、角速度、脈搏率通過傳感器進行采集，經過特征處理后由一次判定閾值進行初步判定，當達到設定閾值后，進行二次判定。

由于人體日常活動主要是站立、步行、坐下、躺下、蹲下、起立、上下樓梯、跑步、跳躍等，對這些日常活動進行加速度和角速度數據采集，并進行數據建模，發現同類的數據具有簇居在一起的現狀，所以采用k近鄰算法來對跌倒的狀態進行判斷，可以有效的判斷出準確地結果。

k近鄰算法(k-nearestneighbor，knn)表示：對于一個樣本在特征空間中的具有k個距離最近的點，如果其中的大多數屬于某個種類，那么這個樣本也屬于其類別。在knn算法中，除去被測樣本外的其他樣本都是已知分類。knn方法通過這種概率分布來判斷待測樣本的類別，具有較高的準確率。圖2為本發明中k近鄰算法的流程圖。

實現k近鄰法中，如何對訓練數據進行快速k近鄰搜索最簡單的實現方法是線性掃描。這時要輸入實例與每一個訓練實例的距離，計算很耗時。所以在測試數據和訓練集進行距離計算時，選擇合理的搜索可以最大化減少數據處理的時間，在保證高正確率的情況下保證實時性。

基于本方法，所采用的數據存儲和查詢為k-dtree。k-dtree是在k維歐幾里德空間組織點的數據結構，kd代表k-dimension，它是一顆平衡二叉樹，通過計算不同方向的方差和中值，從而確定分割超平面，這樣不斷地進行遞歸運算，最終劃分到葉子節點為止。

本方法中，所采用的距離度量為歐式距離。對于2個樣本x和y，設x＝(x1,x2,...,xn)^t,y＝(y1,y2,...,yn)^t。樣本x和y的歐式距離定義為：

本發明利用stm32主控，mpu6500六軸傳感器，gu620，蜂鳴器這些模塊，六軸傳感器負責采集數據。當人體發生跌倒時，會將采集到的數據傳送到主控，進行特征提取后，對跌到數據采用k-近鄰算法進行計算，最終獲得判斷結果，當判斷為跌倒時，主控的蜂鳴器會鳴響。圖3為本發明對采集數據進行處理的流程圖。

gu620會獲取地理位置發送到服務器端，服務器端再將地理位置發送到綁定的手機上?？梢杂行У慕档驮诶先说箷r，不能短時間獲得幫助，和不敢扶跌倒老人造成的傷害。保證老年人的日常生活遇到危險可以最短時間獲得救援治療。

優選的，主控模塊即主控mcu采用的是stm32，具有功耗低，性能高，外圍設備齊全等優點。

六軸傳感器模塊采用的是mpu6500，mpu6500是一款六軸慣性傳感器模塊，包含一個三軸加速度傳感器和一個三軸陀螺儀，保證了運動數據的采集。

gu620模塊是一款內嵌高靈敏度gps、beidou、藍牙功能的gsm/gprs模塊，可同時支持四頻段制式，有更小的體積，可以進行板級smt，節省空間，降低成本。其中，gps是基于mtk的成熟芯片組設計開發，可進行高達66個prn信道的衛星跟蹤，適用于監控導航，防盜跟蹤，個人安全設備等通信導航設備。且gu620模塊是一款高性能工業級gsm/gprs/gps+北斗/藍牙模塊，功能完善，尤其適用于語音、短信、gprs數據服務、gps導航的各種領域。對于跌倒檢測的通信業務和位置索取業務具有不可替代的功能模塊。其中，通過mcu6500獲取得到日常運動所產生的加速度和角速度的信息，通過串口將數據傳送到pc端，可以采用matlab仿真得到數據圖形，便于分析數據和特征提取。

以上對本發明所提供的一種跌倒監測方法進行了詳細介紹。本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以對本發明進行若干改進和修飾，這些改進和修飾也落入本發明權利要求的保護范圍內。