一種人體跌倒檢測方法及保護裝置的制造方法
【技術領域】
[0001 ]本發明涉及一種人體防護的檢測方法及防護裝置，具體涉及一種人體路倒的檢測 方法以及在檢測到人體跌倒時對人體進行保護的裝置。
【背景技術】
[0002] 跌倒是老年人常見的一種意外事件，老人常常因跌倒導致各種損傷，例如髖部骨 折、頸部損傷、腦部損傷、以及各種軟組織損傷及其它部位骨折等。
[0003] 對人體跌倒事件的檢測是進行防護的前提。現有技術中，人體跌倒檢測方法主要 有3類:基于視頻圖像的檢測、基于音頻或無線電等周圍環境信號的檢測和基于穿戴式設備 的檢測。基于視頻圖像檢測的優點是人體不需要攜帶任何設備，缺點是視頻圖像受光線、環 境等的影響較大，檢測范圍有限并涉及到個人隱私。基于周圍環境信號檢測的方法受周圍 環境的影響較大，無法得到很高的精度，一般只能作為輔助檢測方法。基于穿戴式設備檢測 的方法因成本低，檢測范圍大，不受周圍環境的影響，是目前研究和實際應用最多的跌倒檢 測方法。
[0004] 例如，中國發明專利申請CN102117533A公開了一種人體跌倒檢測保護與報警裝 置，包括跌倒檢測部分、跌倒檢測信息傳輸部分、跌倒位置檢測部分和保護氣囊。其采用穿 戴式裝置，試圖通過獲取跌倒檢測信號來啟動保護氣囊，但是，與目前的絕大多數跌倒檢測 方法一樣，采用設定閾值的方法進行檢測。其采用了加速度傳感器和陀螺儀，定義信號向量 模SVM和運動角速度，
（即為三軸合加速度），設定SVM閾值為1.8g- 2.2g，運動角速度閾值為0.5rad/s-0.55rad/s，當SVM和人體運動角速度超過設定閾值時， 判斷人體發生跌倒。采用閾值檢測方法屬于事后檢測，使得跌倒保護裝置難以起到作用。
[0005] 通過訓練分類器的方法來進行人體狀態判斷，有可能比普通的閾值法更早地檢測 出跌倒的趨勢，從而實現事前檢測。但是，如何選擇分類器使用的特征值，以及采用什么分 類器，是能否真正實現事前檢測的關鍵點。
[0006] 因此，如何實現人體跌倒的事前檢測，是目前實現人體跌倒保護所急需解決的問 題。
【發明內容】
[0007] 本發明的發明目的是提供一種人體跌倒檢測方法，實現人體跌倒的事前檢測，以 給保護裝置提供足夠的反應時間;本發明的另一發明目的是提供一種采用這種檢測方法的 人體跌倒保護裝置。
[0008] 為達到上述發明目的，本發明采用的技術方案是:一種人體跌倒檢測方法，包括： 1)特征值的獲取： ① 使用人體穿戴的三軸加速度儀和三軸陀螺儀進行采樣，得到各個采樣時間點的采樣 數據； ② 根據步驟①得到的采樣數據，分別計算獲得每個采樣時間點的三軸合加速度a、滾 轉角)f、俯仰角二，
,ax、ay、a z分別是三軸加速度，以水平面中正交的兩個方向 分別作為X軸和y軸，滾轉角I是繞X軸的姿態角，俯仰角設是繞y軸的姿態角； ③設置滑動時間窗口的長度和相鄰滑動時間窗口的疊加率，獲得每一滑動時間窗口內 的各采樣點的三軸合加速度的均值和標準差義3?，獲得在滑動時間窗口的最后一個采 樣點處人體相對于直立狀態時的滾轉角和俯仰角的變化量的絕對值之和，以該三個參數作 為特征值； 2) 分類器的建立和訓練： 采用支持向量機算法構建分類器，以步驟1)獲得的三個參數作為分類器的輸入特征 值； 由進行訓練的人員分別進行日常活動行為和不同的跌倒行為，獲取跌倒樣本和日常活 動行為樣本構成訓練集，對分類器進行訓練，獲得訓練后的分類器； 3) 采用訓練后的分類器根據獲取的人體實際傳感數據進行跌倒檢測。
[0009] 上述技術方案中，步驟1)之①中，采樣頻率通常與采用的傳感器芯片的性能相關， 采樣頻率過低將導致滑動時間窗口內的采樣點個數不足，從而影響判斷效果。因此，采樣頻 率不小于50Hz。
[0010] 優選的采樣頻率為100Hz。
[0011] 上述技術方案中，滑動時間窗口的長度為100~300ms，窗口的疊加率為40%~60%。 [0012] 滑動時間窗口的長度為100ms，窗口的疊加率為50%。
[0013] 本發明同時提供一種人體跌倒保護裝置，包括跌倒檢測裝置、保護氣囊和驅動裝 置，其中，所述跌倒檢測裝置主要由三軸加速度儀、三軸陀螺儀和控制器構成，所述控制器 中設有上述的訓練后的分類器。
[0014] 優選的技術方案，所述跌倒檢測裝置設置在人體的腰部。
[0015] 上述技術方案中，所述驅動裝置包括經過一控制閥與保護氣囊連通的壓縮氣瓶， 所述控制閥由所述控制器控制開閉。
[0016] 所述保護氣囊由分別穿戴在人們脆弱部位的多個氣囊構成。
[0017] 由于上述技術方案運用，本發明與現有技術相比具有下列優點： 1、本發明通過選擇分別與加速度和角速度相關的三個參數，采用支持向量機算法訓練 分類器，實現了人體跌倒的事前檢測，實驗結果表明，跌倒行為的檢測率為99.2%，日常活動 行為的檢測率為96%，對較為劇烈的日常活動行為，也有較高的檢測率，平均前置時間達到 273ms，為跌倒的實時預警以及保護裝置的啟動提供的反應時間。
[0018] 2、本發明采用壓縮氣瓶的充氣方式給氣囊充氣，避免了現有技術中采用炸藥啟動 引起的瞬間沖擊力造成的意外傷害，氣囊可以作為穿戴設備配置在衣服內的人體的重要位 置，比如髖部，頭頸和其他關鍵位置，對人體起到良好的保護作用。
【附圖說明】
[0019] 圖1是本發明實施例的方法流程圖； 圖2是實施例中一次向前跌倒的合加速度曲線圖； 圖3是實施例中一次向前跌倒的滾轉角變化曲線圖； 圖4是實施例二中一次行走過程的加速度矢量和變化曲線。
【具體實施方式】
[0020] 下面結合附圖及實施例對本發明作進一步描述： 實施例:參見圖1所示，本實施例提供了一種人體跌倒檢測方法，包括:獲取訓練數據， 進行特征提取，得到訓練樣本，對分類模型進行訓練，得到訓練后的分類器。為檢測其效果， 獲取測試數據，進行特征提取，采用訓練后的分類器進行分類決策。
[0021] 其中，進行特征提取時，選擇特征值的具體考慮的因素表述如下： 本實施例中的采樣頻率為100Hz。
[0022] (1)加速度特征的選擇： 在人體跌倒過程中，加速度會發生明顯變化，考慮到前后左右不同的跌倒方向，取三軸 合加速度：
圖2所示是一次向前跌倒的合加速度曲線，可以看出，在跌倒過程中，合加速度先減小 后增大，加速度最大的時刻也就是碰撞地面的時刻，跌倒事前檢測就是要在這一時刻前檢 測跌倒。從檢測到跌倒到碰撞地面之間的時間稱為前置時間。相應地，在進行SVM模型訓練 和測試的時候，跌倒樣本的采集也應該在這一時刻之前，并預留一定的時間。
[0023]考慮合加速度的大小和變化趨勢，取長度為n(n個取樣點）的滑動時間窗口，抽取 如下加速度特征： (1)合加速度的均值：
:_，i為在某一滑動時間窗口中取樣點的序號。
[0024] (2)合加速度的標準差：
本實施例中，η取10,即滑動時間窗口長度為100ms，窗口的疊加率為50%，即當前窗口的 后50%數據作為后一窗口的前50%數據。
[0025] (2)角度特征的選擇： 在人體跌倒過程中，人體的姿態角也會發生明顯變化，以向東為X軸、向北為y軸、向上 為z軸建立人體三維坐標系，也稱為東北天坐標系，繞X軸、y軸和z軸的姿態角分別稱為滾轉 角γ、俯仰角θ和偏航角Φ。當人體前后跌倒時，γ發生變化，左右跌倒時，θ發生變化。當人體 運動較為劇烈的時候，由于傳感器無法區分重力加速度和自身加速度，姿態角不能通過加 速度直接求得，需要進行姿態解算，常用的姿態解算方法是四元數法。
[0026]四元數是由四個元構成的數：
四元數法引入代數學中的四元數這個工具來彌補用歐拉角描述剛體角運動時的不足。 姿態解算的基礎是坐標變換，任何姿態變化都可以認為是在瞬間通過三次繞軸轉動的角度 合成，這種轉動次序是不能變化的，人體的空間姿態可看作依次繞Z軸、y軸、X軸作基本旋轉 后的復合結果。經過一系列數學轉換，用四元數表示的姿態角為：
[0027] 所以，如果四元數Q確定，則可計算出滾轉角γ和俯仰角Θ。經過數學推導，四元數 微分方程可以表示為：
其中_為..::光」:'.，1、__:^:、.;^表不二軸角速度，米用畢卡算法求解該微分方 程，解得：
其中：I是單位矩陣， i^Sx、y、z軸在:|4:為%|采樣時間間隔內的角增量。
[0028] 圖3所示是一次向前跌倒的滾轉角變化曲線，最后的角度是碰撞地面時刻的角度， 可以看出，角度的變化接近90°，同樣，向后、向左、向右跌倒時，角度的變化也接近90°。考慮 到不同的跌倒方向，將相