基于统计模式识别的跌倒检测算法研究

摘要

在全球社会老龄化的大背景下,老年人的身体健康状况和晚年生活质量需要更多的关注。跌倒在老年人群中发生率高,并且带来的后果比较严重,特别是在跌倒后无人救助以至于长躺时,可能会导致生命危险。除了采取措施预防跌倒外,跌倒后及时提供救助也可尽量降低跌倒对身体的伤害。
　　 本文的主要研究内容是如何利用跌倒本身的特征将其从日常活动中识别出来。论文在对跌倒行为发生过程进行研究的基础上,设计出基于统计模式识别的跌倒检测算法。算法的输入是由无线传感器节点采集的人体加速度变化数据。在算法的执行过程中,经过建模将加速度数据变换成能够反映姿态变化的信息。算法的输出是有无跌倒发生。
　　 跌倒检测算法的数据来源为置于腰部的加速度传感器获取三轴加速度数据,以射频方式与传感器基站节点通信,基站节点和PC机通过串口传送数据。将所有活动分为跌倒和非跌倒两大类,若满足跌倒条件则认为跌倒发生。按跌倒发生后的姿势不同,将跌倒分为前向跌倒、后向跌倒、左侧跌倒、后侧跌倒、仰躺跌倒、俯卧跌倒六种类型。为了将跌倒与跌倒行为分开,提出了将加速度峰值、倾角变化、能量值作为跌倒识别特征指标。三个特征值构成跌倒的特征向量,与跌倒训练样本比较,判断待检测样本是否在跌倒向量空间区域中,用以判断是否属于跌倒类。若跌倒发生,则发出报警,通知老人子女或社区监护中心,以便快速实施救援行动。
　　 本文的完成的研究成果和创新点有以下几方面:(1)对跌倒行为进行分析,建立人体跌倒模型,设计跌倒检测算法;(2)传感器的选型和输出数值的转换;(3)以VC++为软件平台,开发上位机软件来完成数据采集、处理、分析模式匹配过程;(4)设计实验对算法进行验证和评价。
　　 实验结果表明算法的综合识别率达到92.14％,是一种有效的跌倒检测算法。算法的自学习功能会在后续的研究和应用中显示出更好的应用价值。