跌倒检测系统及方法
【技术领域】
[0001 ]本发明设及云计算系统领域，具体而言，设及一种跌倒检测系统及方法。
【背景技术】
[0002] 随着人口老龄化进程加剧，养老问题引起社会各界关注。跌倒是一种常见的老年 人危险行为，通过给老人佩戴智能穿戴设备，可实现对其行为实时观察，跌倒发生时能检测 出来，及时通知相关人员到现场处理。
[0003] 传统的可穿戴设备跌倒检测，主要是将算法集成到硬件忍片或固件，由硬件进行 离线单机计算，得出判定结果。运种方式存在W下缺陷：1.算法集成在穿戴设备，只能通过 固件升级来更新算法，每次升级均要客户配合，不利于算法的敏捷迭代和更新。2.穿戴设备 的硬件计算能力有限，难W进行高复杂度的计算，不利于算法的选型。3.穿戴设备通过传感 器采集的数据样本，不能进行无限量的存储，无法进行模拟。
【发明内容】
[0004] 有鉴于此，本发明实施例的目的在于提供一种跌倒检测系统及方法，W改善现有 技术中不便更新跌倒算法的问题。
[000引本发明实施例提供的一种跌倒检测系统包括:加速度获取模块，用于获取穿戴式 设备沿一=维坐标系=个轴向的实时=轴加速度值;判别轴选取模块，用于根据一滑动时 间窗内包含的多个数据点的=轴加速度值选取=维坐标系=轴中的其中之一作为判别轴； 观测状态数量设定模块，用于对所述判别轴上的加速度变化值进行分段处理，W设定观测 状态数量;隐藏状态数量设定模块，用于设定隐藏状态数量;隐马尔科夫链模型建立模块， 用于依据隐藏状态数量及观测状态数量，通过Baum-Welch算法对隐马尔科夫模型参数进行 模拟，生成隐马尔可夫模型;跌倒概率计算模块，用于基于隐马尔可夫模型确定隐马尔科夫 模型参数及观测序列，在该隐马尔科夫模型参数及观测序列的基础上通过Viterbi算法计 算概率最大的隐藏状态序列，将该概率最大的隐藏状态序列取对数得到一定值;跌倒判别 模块，用于将所述定值与一阔值进行比较，判别所述穿戴式设备的用户是否发生跌倒事件。
[0006] 本发明实施例提供的一种跌倒检测方法包括:获取穿戴式设备沿一=维坐标系= 个轴向的实时=轴加速度值;根据一滑动时间窗内包含的多个数据点的=轴加速度值选取 =维坐标系=轴中的其中之一作为判别轴；对所述判别轴上的加速度变化值进行分段处 理，W设定观测状态数量；设定隐藏状态数量；依据隐藏状态数量及观测状态数量，通过 Baum-Welch算法对隐马尔科夫模型参数进行模拟，生成隐马尔可夫模型；基于隐马尔可夫 模型确定隐马尔科夫模型参数及观测序列，在该隐马尔科夫模型参数及观测序列的基础上 通过Viterbi算法计算概率最大的隐藏状态序列，将该概率最大的隐藏状态序列取对数得 到一定值;将所述定值与一阔值进行比较，判别所述穿戴式设备的用户是否发生跌倒事件。
[0007] 与现有技术相比，本发明的跌倒检测系统及方法可运行于服务端，由服务端做最 终的跌倒判断。由于对应的算法运行在服务端，可W平滑进行升级和迭代，无需对穿戴式设 备进行干预，对客户无感。另外，算法运行在服务端，拥有海量的计算能力和存储空间，可进 行高复杂度的计算，数据永久存储。
[0008] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合 所附附图，作详细说明如下。
【附图说明】
[0009] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，应当理解，W下附图仅示出了本发明的某些实施例，因此不应被看作是对 范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据运 些附图获得其他相关的附图。
[0010] 图1示出了本发明实施例提供的跌倒检测方法及系统的应用环境示意图。
[0011] 图2为本发明较佳实施例提供的一种跌倒检测系统的功能模块架构示意图。
[0012] 图3为图1所示的加速度传感器在一=维坐标系的=个轴向的示意图。
[0013] 图4为所述加速度传感器在图3所示的=维坐标系中感测到的=轴加速度的波形 示意图。
[0014] 图5为本发明较佳实施例提供的应用于图1所示的服务端的跌倒检测方法的流程 图。
[0015] 主要元件符号说明
【具体实施方式】
[0017]下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在 此处附图中描述和示出的本发明实施例的组件可WW各种不同的配置来布置和设计。因 此，W下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的 范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做 出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0018] 应注意到:相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一 个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的 描述中，术语"第一"、"第二"等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0019] 实施例
[0020] 本发明实施例所提供的跌倒检测系统及方法可应用于如图1所示的应用环境中。 如图1所示，服务端100、穿戴式设备200位于无线网络或有线网络300中，通过该无线网络或 有线网络300,穿戴式设备200与服务端100进行数据交互。所述服务端100可W是，但不限 于，云端服务器、智能手机、个人电脑(personal computer,PC)等。所述穿戴式设备200可W 是，但不限于，智能眼镜、智能手套、智能手环、智能手表、智能服饰等包括加速度传感器(图 未示）的可穿戴于用户身上的智能电子设备。优选地，所述穿戴式设备200是指可穿戴于用 户腕部的智能手环、智能手表、智能手套等腕带式穿戴设备。
[0021] 所述加速度传感器用于测量所述穿戴式设备200在=维坐标系中沿所述=维坐标 系=个轴向的加速度。优选地，本实施例中，所述加速度传感器为=轴加速度传感器。例如 图2所示，假设所述S维坐标系的S个轴向分别为相互垂直的X轴、Y轴W及Z轴。所述加速度 传感器则可感测所述穿戴式设备200分别沿所述X轴、Y轴W及Z轴方向的加速度值。本实施 例中，使用ax代表加速度传感器在所述X轴方向感测到的加速度，使用ay代表加速度传感器 在所述Y轴方向感测到的加速度，使用az代表加速度传感器在所述Z轴方向感测到的加速 度。显然，上述的=个轴向的加速度通过无线网络或有线网络300传送至服务端100。
[0022] 如图3所示，是本发明较佳实施例提供的服务端100的功能模块示意图。本实施例 中，所述服务端100包括跌倒检测系统10、存储单元30W及处理单元40。本实施例中，所述跌 倒检测系统10用于根据所述加速度传感器在所述X轴、Y轴W及Z轴分别感测到的加速度值 对所述穿戴式设备200的用户可能发生的跌倒或摔倒事件进行检测，W利于在用户跌倒的 第一时间将该跌倒事件通报给相应人员，从而避免或减少对跌倒用户的伤害。具体地，所述 跌倒检测系统10包括加速度获取模块101、判别轴选取模块102、观测状态数量设定模块 103、隐藏状态数量设定模块104、隐马尔科夫链模型建立模块105、跌倒概率计算模块106、 跌倒判别模块107、跌倒报警模块108及参数更新模块109。本较佳实施例中，所述跌倒检测 系统10中包含的各功能模块可W软件或固件(firmware)的形式安装在所述存储单元30中 或固化在所述服务端100的操作系统(OS)中，由所述处理单元40控制所述跌倒检测系统10 各功能模块执行相应的功能。
[0