一种跌倒报警系统及方法

1.本发明涉及跌倒检测领域，特别是涉及一种跌倒报警系统及方法。


背景技术：

2.老年化带来诸多社会问题，多重因素使老年人的健康防护工作面临越来越多的挑战。其中跌倒已经成为高龄老年人伤害致死的首位原因，老年人跌倒发生率高、后果严重，已经成为世界各国重要的公共卫生问题之一。
3.解决上述问题的关键在于能够实时检测到老年人跌倒并发出报警。世界各国科技人员进行了许多研究工作，并取得部分进展。目前，跌倒检测报警系统使用的技术主要可以分为四个类型：视频图像分析型、sos按键求助型、基于kinect骨架追踪技术型和基于可穿戴设备型。但视频图像分析型适用范围局限、成本昂贵、对可见光依赖度高且易泄露被监护人隐私；sos按键求助型仅限于跌倒后神智清醒且具备行为能力的个体，不适用于昏迷或失智个体；kinect骨架追踪技术型不依赖于光照条件，但其设备成本高昂，必须保证对人体无遮挡，对于监护区域的限制性强；基于可穿戴设备型，它具有无监测范围限制、成本合理、隐私度高的优点，且佩戴方便，体积小，是目前检测跌倒的主流系统。然而，现有的可穿戴设备使用的处理器多为微型处理器，其运算能力与储存能力都十分有限。并且现有的跌倒检测算法主要是基于人体运动信息与生理信息，建立的决策模型结构单一，普适性不高，往往导致跌倒检测准确率不高。


技术实现要素：

4.本发明的目的是提供一种跌倒报警系统及方法，可解决现有跌倒检测中决策模型结构单一、普适性不高，现有可穿戴设备中微型处理器运算与储存能力有限，导致跌倒检测准确率不高的问题。
5.为实现上述目的，本发明提供了如下方案：
6.一种跌倒报警系统，包括：可穿戴设备和云平台；
7.所述可穿戴设备包括处理器、运动传感模块、生理信息采集模块和定位模块；所述运动传感模块、所述生理信息采集模块、所述定位模块和所述云平台均与所述处理器连接；所述运动传感模块用于获取佩戴者的运动信息；所述生理信息采集模块用于检测佩戴者的生理信息；所述定位模块用于获取佩戴者的地理位置信息；所述处理器用于将所述运动信息、所述生理信息和所述地理位置信息传送至所述云平台；所述云平台用于根据所述运动信息、所述生理信息和所述地理位置信息进行跌倒报警。
8.可选地，所述运动传感模块包括三轴加速度传感器、陀螺仪和气压计；所述三轴加速度传感器、所述陀螺仪和所述气压计均与所述处理器连接。
9.可选地，所述生理信息采集模块包括人体心率传感器、人体红外温度传感器和人体血压传感器；所述人体心率传感器、所述人体红外温度传感器和所述人体血压传感器均与所述处理器连接。
10.可选地，还包括无线传输模块；所述无线传输模块均与所述处理器和所述云平台连接。
11.可选地，所述可穿戴设备还包括佩戴本体；所述处理器、所述运动传感模块、所述生理信息采集模块和所述定位模块均设置在所述佩戴本体上。
12.可选地，所述定位模块包括gps定位模块和移动通信基站定位模块；所述gps定位模块和所述移动通信基站定位模块均与所述处理器连接。
13.本发明提供一种跌倒报警方法，所述跌倒报警方法应用于上述所述的跌倒报警系统，所述跌倒报警方法包括：
14.获取运动信息、生理信息和地理位置信息；
15.根据所述运动信息、所述生理信息、所述地理位置信息和常态模型确定跌倒状态；所述跌倒状态包括处于跌倒状态和未处于跌倒状态；
16.根据所述跌倒状态进行跌倒报警。
17.根据本发明提供的具体实施例，本发明公开了以下技术效果：
18.本发明所述可穿戴设备包括处理器、运动传感模块、生理信息采集模块和定位模块；所述运动传感模块、所述生理信息采集模块、所述定位模块和所述云平台均与所述处理器连接；所述运动传感模块用于获取佩戴者的运动信息；所述生理信息采集模块用于检测佩戴者的生理信息；所述定位模块用于获取佩戴者的地理位置信息；所述处理器用于将所述运动信息、所述生理信息和所述地理位置信息传送至所述云平台；所述云平台用于根据所述运动信息、所述生理信息和所述地理位置信息进行跌倒报警，可解决现有跌倒检测中决策模型结构单一、普适性不高，现有可穿戴设备中微型处理器运算与储存能力有限，导致跌倒检测准确率不高的问题。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
20.图1为本发明提供的跌倒报警系统结构示意图；
21.图2为到检测前常态模型建立的流程图；
22.图3为实时更新常态模型的跌倒报警方法的流程图；
23.图4为定时更新常态模块的跌倒报警方法的流程图。
24.符号说明：
25.10-处理器、20-运动传感模块、30-生理信息采集模块、40-定位模块、50-无线传输模块、60-云平台。
具体实施方式
26.下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
27.本发明的目的是提供一种跌倒报警系统及方法，可解决现有跌倒检测中决策模型结构单一、普适性不高，现有可穿戴设备中微型处理器运算与储存能力有限，导致跌倒检测准确率不高的问题。
28.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
29.如图1所示，本发明提供一种跌倒报警系统，包括：可穿戴设备和云平台60；所述可穿戴设备包括处理器10、运动传感模块20、生理信息采集模块30和定位模块40；所述运动传感模块20、所述生理信息采集模块30、所述定位模块40和所述云平台60均与所述处理器10连接；所述运动传感模块20用于获取佩戴者的运动信息；所述生理信息采集模块30用于检测佩戴者的生理信息；所述定位模块40用于获取佩戴者的地理位置信息；所述处理器10用于将所述运动信息、所述生理信息和所述地理位置信息传送至所述云平台60；所述云平台60用于根据所述运动信息、所述生理信息和所述地理位置信息进行跌倒报警。本发明中的处理器为mcu。
30.作为一种可选地实施方式，所述运动传感模块20包括三轴加速度传感器、陀螺仪和气压计；所述三轴加速度传感器、所述陀螺仪和所述气压计均与所述处理器10连接。
31.作为一种可选地实施方式，所述生理信息采集模块30包括人体心率传感器、人体红外温度传感器和人体血压传感器；所述人体心率传感器、所述人体红外温度传感器和所述人体血压传感器均与所述处理器10连接。
32.作为一种可选地实施方式，还包括无线传输模块50；所述无线传输模块50均与所述处理器10和所述云平台60连接。
33.作为一种可选地实施方式，所述可穿戴设备还包括佩戴本体；所述处理器10、所述运动传感模块20、所述生理信息采集模块30和所述定位模块40均设置在所述佩戴本体上。
34.作为一种可选地实施方式，所述定位模块40包括gps定位模块和移动通信基站定位模块；所述gps定位模块和所述移动通信基站定位模块均与所述处理器10连接。
35.所述运动传感模块20用于获取佩戴者的运动信息并发送给所述处理器10；所述生理信息采集模块30用于检测佩戴者的生理信息并发送给所述处理器10；所述定位模块40用于获取佩戴者当前的地理位置信息并发送给所述处理器10；所述无线传输模块50用于实现处理器10与云平台60之间的数据传输。所述运动传感模块20包括三轴加速度传感器、陀螺仪、绝对气压计，其中，加速度传感器能检测和收集人体在x、y、z这3个方向的加速度，陀螺仪能检测和收集人体反转时的3个方向的角速度，绝对气压计能检测和收集人体的高度。所述生理信息采集模块30包括人体心率传感器、人体红外温度传感器和人体血压传感器。其中，人体心率传感器能检测和收集人体的心率信息，人体红外温度传感器能检测和收集人体的温度信息，人体血压传感器能收集人体的血压信息。所述定位模块40将gps定位和移动通信基站定位相结合，实现双重定位，能精确检测和收集人体位置信息。所述无线传输模块通过无线网络与云平台60相连接，用于传输由处理器10处理后的数据。所述处理器10用于对人体检测数据进行打包与压缩，同时具备存储一定时长缓存数据的功能。每次一采集到数据，就将数据发送给云平台60，一段时间后云平台60通过这些数据建模。所述云平台60用于对人体在设定时长内正常状态下的累积数据进行分析和处理，从而建立个性化的常态模
型。加速度、角速度、高度、包括下面人体的心率、温度、血压有两种用处：1、作为下面常态化模型的样本参数。2、设置老人跌倒的阈值。当老人跌倒时，通过无线传输模块50将老人的位置信息发送给医院和监护人。
36.所述云平台60收集每位佩戴个体实时的运动信息和生理信息，将实时数据与对应的常态模型相比较，判断实时数据是否符合常态模型。若是，更新常态模型；若否，判定被监测的对象为跌倒状态，启动报警机制，将被监测的对象的位置信息与状态信息发送至监护人手机。
37.本发明针对不同佩戴个体建立个性化的常态模型，解决了传统跌倒检测决策模型的普适性不高的问题，大大降低了误报率。同时，由于处理器运算与存储能力均有限，将数据发送至云平台60处理，使信息采集过程更加简单可靠，同时使得大数据技术与复杂建模技术等高性能算法应用成为可能。
38.所述云平台60用于对所述人体正常状态下的检测数据进行分析和处理，针对每位佩戴个体的常态数据建立个性化的常态模型。处理器相当于一个简单的中转站，它的作用只是对数据进行简单的打包与压缩，以及在收集一定时间段内的数据之后，将这些数据通过无线传输模块发送给云平台60，云平台60对数据进一步处理。在云平台60中，收到的数据按照采集的时间(比如信息采集模块每隔10秒采集一次信息)，将这些信息作为样本，而样本的特征就是各个模块采集的数据(角速度、加速度、心率、体温等)。通过这些样本，根据机器学习或者深度学习中的一些回归算法(如xgboost等等)，具体的算法不固定(或者是基于当前最新的算法，不断更新算法)将这些数据进行拟合，形成老人恶常态数据模型。
39.adaboost算法原理：
40.(1)初始化训练数据(每个样本)的权值分布：如果有m个样本，则每一个训练的样本点最开始时都被赋予相同的权重：1/m。
41.(2)训练弱分类器。具体训练过程中，如果某个样本已经被准确地分类，那么在构造下一个训练集中，它的权重就被降低；相反，如果某个样本点没有被准确地分类，那么它的权重就得到提高。同时，得到弱分类器对应的话语权。然后，更新权值后的样本集被用于训练下一个分类器，整个训练过程如此迭代地进行下去。
42.(3)将各个训练得到的弱分类器组合成强回归器。生成的强回归器就是常态模型，通过adaboost算法建立常态化模型，仅仅是一个例子，在原本的设想中，常态化模型的建立可以通过其他的深度学习及机器学习的方法建立，并且能根据最新的技术更新建立模型的方法。
43.本发明还提供一种跌倒报警方法，所述跌倒报警方法应用于上述所述的跌倒报警系统，所述跌倒报警方法包括：
44.获取运动信息、生理信息和地理位置信息。
45.根据所述运动信息、所述生理信息、所述地理位置信息和常态模型确定跌倒状态；所述跌倒状态包括处于跌倒状态和未处于跌倒状态。
46.根据所述跌倒状态进行跌倒报警。
47.图2示出的是在跌倒检测之前，常态模型建立的流程图，其步骤为：
48.s10：通过运动传感模块、生理信息采集模块和定位模块检测和收集佩戴个体在设定时长内正常状态下的运动信息、生理信息和位置信息。
49.s20：处理器将对运动传感模块、生理信息采集模块和定位模块检测和收集到的常态数据进行打包与压缩处理。
50.s30：通过无线传输模块将处理器处理后的常态数据发送给云平台。
51.s40：云平台针对每个佩戴个体的常态数据建立个性化常态模型。常态化模型包括老人睡眠时，日常生活时，以及简单运动时，如散步、打拳等。
52.如图3所示，本实施例提供的一种基于云平台的跌倒报警方法，云平台中的常态模型实时更新，包括以下步骤：
53.s101：通过运动传感模块、生理信采集模块和定位模块实时检测和收集佩戴个体的运动信息、生理信息和位置信息。
54.s102：处理器将对运动传感模块、生理信息采集模块和定位模块检测和收集到的实时数据进行打包与压缩处理。
55.s103：通过无线传输模块将处理器处理后的实时数据发送给云平台。
56.s104、s105：在云平台中将实时数据与常态模型比较，判断实时数据是否符合常态模型；将实时数据输入到常态化模型中，通过多种阈值，如：加速度、高度、心率、体温等，综合判断是否超出阈值，若未超出，则判断符合。
57.以adaboost算法为例，将实时数据作为输入，输入到强回归器，可以得到，输出结果为一个拟合度。将这个拟合度与手动设定的拟合度阈值进行对比，(如：设定拟合度的阈值为90％，如果拟合度低于90％，就判断老人为摔倒状态)。根据实际情况可以将拟合度阈值调整，(比如拟合度低于90％时，老人未摔倒，将适当降低拟合度阈值)。实时数据就是收集到的一个样本，样本的特征包括加速度、高度、心率、体温等等。将这个样本作为输入，输入进强回归器中，可以得到一个拟合度的值，这个值减去手动设定好的拟合度阈值的绝对值，就是偏差值。
58.s106：若是，实时更新常态模型。
59.s107：若否，则判断被监测的对象处于跌倒状态，启动报警机制。将被监测的对象位置信息和状态信息通过云平台发送至监护人手机。将符合常态化模型的数据作为样本，加入之前收集的常态化数据中，以此更新模型。
60.报警机制就是通过无线传输模块，将判断老人跌倒的结果以及老人的位置信息发送给监护人以及医院。
61.在步骤s10和s101中，运动传感模块检测和收集的运动信息包括加速度、角速度和人体高度；生理信息采集模块检测和收集的生理信息包括心率、体温和血压信息。
62.在步骤s107中启动报警机制后，被检测对象的位置信息和状态信息通过云平台发送至监护人手机。
63.如图4所示，本实施例提供的一种基于云平台的跌倒报警方法，云平台中的常态模型定时更新，包括以下步骤：
64.s110：将个性化常态模型发送至对应的可穿戴设备中的处理器。
65.s120：通过运动传感模块、生理信息采集模块和定位模块实时检测和收集佩戴个体的运动信息、生理信息和位置信息并发送给处理器。
66.s130、s140：在处理器中将实时数据与常态模型比较，判断实时数据是否符合常态模型；
67.s150、s160：若是，将实时数据暂时存储于处理器中，一定时间后再通过无线传输模块发送至云平台，以定时更新常态模型。
68.s170：若否，则判断被监测的对象处于跌倒状态，启动报警机制。将被检测对象的位置信息和状态信息通过可穿戴设备发送至监护人手机。
69.在步骤s110中，常态模型为实例一中跌到检测之前建立的常态模型。
70.在步骤s170中，启动报警机制后，被监测的对象的位置信息和状态信息通过可穿戴设备发送至监护人手机。此方法不需要实时发送数据至云平台，可以降低可穿戴设备的能耗。
71.本发明提供一种基于云平台跌倒智能报警方法与系统，针对不同佩戴个体，通过检测和收集到的正常状态下的信息建立个性化的常态模型，同时检测和收集被监测对象的实时数据，并与常态模型比较，判断是否符合，以此判断被监测对象是否跌倒。这种方法与系统解决了传统跌倒检测决策模型的普适性不高的问题，大大降低了误报率。同时，由于处理器运算与存储能力均有限，将数据发送至云平台处理，使信息采集过程更加简单可靠，使得大数据技术与复杂建模技术等高性能算法应用成为可能。
72.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
73.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种跌倒报警系统，其特征在于，包括：可穿戴设备和云平台；所述可穿戴设备包括处理器、运动传感模块、生理信息采集模块和定位模块；所述运动传感模块、所述生理信息采集模块、所述定位模块和所述云平台均与所述处理器连接；所述运动传感模块用于获取佩戴者的运动信息；所述生理信息采集模块用于检测佩戴者的生理信息；所述定位模块用于获取佩戴者的地理位置信息；所述处理器用于将所述运动信息、所述生理信息和所述地理位置信息传送至所述云平台；所述云平台用于根据所述运动信息、所述生理信息和所述地理位置信息进行跌倒报警。2.根据权利要求1所述的跌倒报警系统，其特征在于，所述运动传感模块包括三轴加速度传感器、陀螺仪和气压计；所述三轴加速度传感器、所述陀螺仪和所述气压计均与所述处理器连接。3.根据权利要求1所述的跌倒报警系统，其特征在于，所述生理信息采集模块包括人体心率传感器、人体红外温度传感器和人体血压传感器；所述人体心率传感器、所述人体红外温度传感器和所述人体血压传感器均与所述处理器连接。4.根据权利要求1所述的跌倒报警系统，其特征在于，还包括无线传输模块；所述无线传输模块均与所述处理器和所述云平台连接。5.根据权利要求1所述的跌倒报警系统，其特征在于，所述可穿戴设备还包括佩戴本体；所述处理器、所述运动传感模块、所述生理信息采集模块和所述定位模块均设置在所述佩戴本体上。6.根据权利要求1所述的跌倒报警系统，其特征在于，所述定位模块包括gps定位模块和移动通信基站定位模块；所述gps定位模块和所述移动通信基站定位模块均与所述处理器连接。7.一种跌倒报警方法，其特征在于，所述跌倒报警方法应用于权利要求1-6任意一项所述的跌倒报警系统，所述跌倒报警方法包括：获取运动信息、生理信息和地理位置信息；根据所述运动信息、所述生理信息、所述地理位置信息和常态模型确定跌倒状态；所述跌倒状态包括处于跌倒状态和未处于跌倒状态；根据所述跌倒状态进行跌倒报警。

技术总结
本发明公开一种跌倒报警系统及方法，涉及跌倒检测领域，系统包括可穿戴设备和云平台；可穿戴设备包括处理器、运动传感模块、生理信息采集模块和定位模块；运动传感模块、生理信息采集模块、定位模块和云平台均与处理器连接；运动传感模块用于获取佩戴者的运动信息；生理信息采集模块用于检测佩戴者的生理信息；定位模块用于获取佩戴者的地理位置信息；处理器用于将运动信息、生理信息和地理位置信息传送至云平台；云平台用于根据运动信息、生理信息和地理位置信息进行跌倒报警。本发明可解决现有跌倒检测中决策模型结构单一、普适性不高，现有可穿戴设备中微型处理器运算与储存能力有限，导致跌倒检测准确率不高的问题。导致跌倒检测准确率不高的问题。导致跌倒检测准确率不高的问题。


技术研发人员：刘宛予 刘阳
受保护的技术使用者：上海大学
技术研发日：2023.02.22
技术公布日：2023/5/16