研究表明从低强度日常活动中区分跌倒性行为是非常有效的，但是当从较高强度的日常活动区分跌倒性行为则困难一些。因此该算法只作为数据的预处理过程中使用，从原始数据中分离出可疑数据。通过在实验中调整松弛变量，可确保97%以上的真正跌倒样本数据能够被提取。
2 跌倒检测算法
2.1 动作模型的建立
    人体在跌倒过程当中，对象在各个方向上的加速度、速度和位移这三个矢量均会发生变化。实际上，如果仅根据各方向上的加速度的变化很难全面地分辨出跌倒动作。通过对加速在时间域上进行一次积分求取速度（v），两次积分求取位移（s），以提高系统的准确性。
    通过加速度传感器采集到的加速度包含受到的地球重力加速度和人体运动引起的加速度这两部分，并且任何时刻这两部分都同时存在。以人体运动加速度为依据建立起人体三维动作模型[6]，根据加速度传感器的三个正交的测量方向可以建立三维坐标系，如图2所示。

    通常正确佩戴好装置后，对象在处于静止或是水平匀速运动状态下时，Y方向的加速度表现为重力加速度（g），水平方向上的加速度为0。当对象发生跌倒时，如果只考虑始末状态的加速度值的变化，纵向的变化范围从1 g～0 g，而水平方向分量（x或z）的变化则是0 g～1 g。

2.2 算法设计
    依据人体在行走、站立和跌倒所损耗的能量的不同，通过实验可以得出在不同动作下其能量损耗的阈值范围。因此在后台的数据分析方法上提出了引入能量损耗的方法进行分析。能量损耗是动态加速度的平方在特定时间域上的积分，其表达如公式（9）示[7]：

本文a=1，能量损耗的计算以每个采样窗体为单位进行。
    针对老年人的生活状况特点进行分析，并结合实际设计了相应的跌倒检测算法。算法流程如图3所示，流程图从整体上描述了跌倒检测判断的过程。算法从开始到“数据传输”这部分的实现都是在用户终端实现，整个信号的预处理过程都是以一个采样窗体为基本单位，如果在一个采样时间内检测到疑似数据，则将此单位内的数据都传输至后台进行进一步的确认处理，否则，丢弃该数据段继续采集加速度信号。

上一页  [1] [2] [3]  下一页