人体跌倒检测系统解析

目前，跌倒检测方法最常见的是视频图像分析法和穿戴式装置检测法。前者使用视频摄像头，不能保证用户隐私安全;后者是传感器装置，需要基站来服务，外出时易忘记佩戴。使用智能手机进行跌倒检测是一个可行的且有很大发展潜力的技术，智能手机同时结合了跌倒检测系统的两个重要组件：跌倒检测和救助通信，不仅可以降低系统成本，实时监测人体活动，还可以结合GPS确定用户的跌倒位置。现在，国内外已有利用手机进行跌倒检测的相关理论研究，都是使用移动手机内置的加速度传感器和基于人体运动加速度特征的不同算法来检测跌倒的。然而一些较高强度日常活动如慢跑、快速坐下等也会产生一个类似跌倒的大加速度值特征。因此，单独使用加速度传感器进行跌倒检测，采集的数据比较单一，不足以完全反应人体姿态变化，会给跌倒检测带来许多假警报。针对以上问题，本文提出了基于信号向量模和特征量W相结合的跌倒检测算法。该检测算法同时利用加速度传感器和陀螺仪监测人体姿态变化，有效减少了跌倒检测结果的假阳性和假阴性。
　　1跌倒检测方法设计
　　加速度传感器和陀螺仪分别能够测量三轴方向运动加速度和角速度大小信息，本文利用智能手机内置的这两种传感器来采集反映人体主要运动姿态变化的信号数据。通过使用信号向量模（magnitudeofsignalvector，SVM）阈值法来识别区分低强度日常生活活动（activitiesofdailyliving，ADL）与跌倒，对于阈值法不能识别的较高强度ADL，则通过对角速度信号向量模数据进一步处理得到的新特征量来判别。
　　1.1信号数据
　　人体活动主要分为以下几种：躺下、步行、坐下—起立、上楼梯、下楼梯、慢跑、蹲下—起立以及跌倒等。人体携带的智能手机，其内置的加速度传感器和陀螺仪输出的信号数据可以反映出人体日常运动姿态变化。图1为智能手机在x、y和z三轴的加速度方向及角速度方向。
　　
　　图1三轴方向上加速度测量和角速度测量
　　传感器输出信号中掺杂了大量的脉冲噪声，中值滤波是传统的消除脉冲噪声的方法。中值滤波器是一个非线性信号处理技术，它使用一个给定长度的窗依次滑过原始信号序列，然后将窗内居中的样本值用该窗所包含信号序列的中值替代，这里滤波器窗口大小n设为3。