基于可穿戴设备的跌倒检测方法和装置与流程

摘要: 本申请涉及可穿戴设备,尤其涉及一种基于可穿戴设备的跌倒检测方法和装置。背景技术:1、目前,伴随全球人口老龄化程度持续加深,老年群体、术后康复人群、独居居家人员、...
基于可穿戴设备的跌倒检测方法和装置与流程

本申请涉及可穿戴设备,尤其涉及一种基于可穿戴设备的跌倒检测方法和装置。

背景技术:

1、目前,伴随全球人口老龄化程度持续加深,老年群体、术后康复人群、独居居家人员、户外高危作业人员的人身安全监护需求持续爆发。跌倒作为该类人群高发意外事件,极易引发骨折、颅脑损伤,若未能及时识别并发起紧急告警,会延误救助时机,诱发致残、致死等严重后果。因此,行业亟需一种低功耗、高识别精度、可全天候日常佩戴、场景无限制的跌倒检测方案,具备极强的现实应用价值与市场需求。

2、当前跌倒检测技术主要分为环境视觉监测、躯干/腕部穿戴传感检测两大类,各类方案均存在难以规避的短板,具体如下。

3、首先,基于摄像头、红外传感的环境视觉检测方案,依托室内固定摄像头、红外探测器采集人体图像或热源轮廓,通过图像算法提取人体姿态特征实现跌倒识别。但是,这类方案存在多重应用壁垒:一是图像采集全程涉及人体影像,存在严重隐私泄露风险,用户接受度低;二是监测范围受设备安装点位限制,仅能覆盖固定室内区域,户外、跨房间场景无法实现连续监测;三是光线遮挡、暗光、夜间环境下识别效果大幅衰减,可靠性差,难以全天候稳定工作。

4、其次,对于手机、胸挂/腰戴设备、智能手环的穿戴传感检测方案,这类方案普遍搭载惯性测量单元(imu,包括加速度计和陀螺仪)采集人体运动数据,依靠阈值判断或简单机器学习模型识别跌倒行为,是目前商业化落地最多的路线,但各细分载体均存在显著技术缺陷:

5、智能手机检测:手机放置位置无统一规范,可置于口袋、背包、手中,运动信号无法稳定表征人体真实跌落状态,跌倒检出精度极低,难以规模化商用;

6、胸挂、腰挂式传感设备:对用户佩戴规范、穿戴依从性要求极高,日常活动中易脱落、移位,普通用户难以长期坚持佩戴,落地实用性差;例如,ep3579752b1公开一种耳挂式imu跌倒预判系统,仅依靠步态幅度、身体纵轴相对地面位移作为判断依据,但是,该方案未引入精准姿态解算与撞击冲击特征校验,躺卧、弯腰、下蹲等常规动作极易造成误触,识别鲁棒性不足;

7、智能手环/手表(腕部穿戴):为当前主流产品方案,但手腕活动自由度极高,挥手、拍击物体、搬重物等日常动作均会产生大幅冲击加速度,算法难以区分日常剧烈动作与真实跌倒冲击,误报率居高不下,频繁误触发告警会严重影响用户使用体验。例如,cn112235464b公开一种基于穿戴设备imu的跌倒呼救方案,该方案依托手腕部位惯性信号完成检测,但该方案受手部高自由度动作干扰严重,剧烈手部动作极易触发误报警,无法解决腕部穿戴设备固有噪声干扰问题。

8、智能眼镜等头戴式设备具备日常佩戴稳定、头部运动可直观反映人体整体姿态变化的天然优势,人体跌倒全过程中头部会产生连续失重、撞击、姿态倾斜等标志性运动特征,因此头戴式设备具备跌倒检测的天然硬件优势,逐步成为行业研究方向。

技术实现思路

1、发明人发现,现有基于头戴式设备的跌倒检测技术仍存在技术上的不足:人体头部日常姿态变换频繁,低头、躺卧、快速坐下、摇头等常规活动的短时惯性动态曲线与跌倒行为高度重叠;现有算法仅依靠单一加速度阈值判断跌落事件,缺少精准姿态解算与完整跌倒时序逻辑约束,极易将低头、躺床、快速落座等日常行为误判为跌倒,姿态识别稳定性差、对日常活动区分能力不足,无法实现低误报的稳定检测。

2、从而,当前跌倒检测领域存在的问题包括:一、检测载体运动噪声干扰大,无法稳定区分日常活动与真实跌倒;二、识别逻辑单一,仅依靠瞬时加速度阈值判定,缺少姿态与时序双重校验,误报率高;三、环境监测方案存在隐私、场景限制,腕部、躯干穿戴设备佩戴依从性差,难以实现全天候、全场景精准监护。

3、基于此,本申请旨在提供一种基于可穿戴设备的跌倒检测方案,解决现有技术跌倒检测误报率高、姿态识别不稳定、日常活动区分能力不足的问题。

4、根据本申请的第一个方面,提供一种基于可穿戴设备的跌倒检测方法,其特征在于,包括:

5、实时采集所述可穿戴设备的imu传感器的三轴加速度数据和三轴角速度数据;

6、根据所述三轴角速度数据和所述三轴加速度数据,实时计算所述可穿戴设备的姿态信息,所述姿态信息包括姿态角;

7、根据所述三轴加速度数据实时计算加速度强度特征;

8、响应于所述加速度强度特征低于预设失重阈值,确定发生失重事件;

9、在所述失重事件后的预设时间窗口内,响应于所述加速度强度特征高于预设撞击阈值,确定发生撞击事件;以及

10、在所述撞击事件后的预设确认时间窗口内,响应于所述姿态角持续超出预设姿态阈值,确定发生跌倒事件。

11、根据本申请的第二个方面,提供一种基于可穿戴设备的跌倒检测装置,其特征在于,包括:

12、采集模块,用于实时采集所述可穿戴设备的imu传感器的三轴加速度数据和三轴角速度数据;

13、第一计算模块,用于根据所述三轴角速度数据和所述三轴加速度数据,实时计算所述可穿戴设备的姿态信息,所述姿态信息包括姿态角;

14、第二计算模块,用于根据所述三轴加速度数据实时计算加速度强度特征;

15、第一确定模块,用于响应于所述加速度强度特征低于预设失重阈值,确定发生失重事件;

16、第二确定模块,用于在所述失重事件后的预设时间窗口内,响应于所述加速度强度特征高于预设撞击阈值,确定发生撞击事件;以及

17、第三确定模块,用于在所述撞击事件后的预设确认时间窗口内,响应于所述姿态角持续超出预设姿态阈值,确定发生跌倒事件。

18、根据本申请的第三个方面,提供一种电子设备,包括:

19、处理器;以及

20、存储器,存储有计算机指令,当所述计算机指令被所述处理器执行时,使得所述处理器执行第一个方面所述的方法。

21、根据本申请的第四个方面,提供一种非瞬时性计算机存储介质,存储有计算机程序,当所述计算机程序被多个处理器执行时,使得所述处理器执行第一个方面所述的方法。

22、根据本申请提供的基于可穿戴设备的跌倒检测方法和装置,依托可穿戴设备的imu传感器采集惯性数据,通过惯性数据进行姿态解算和加速度强度特征计算,基于加速度强度特征和姿态信息,通过失重-撞击-姿态确认三阶段状态机联合判定跌倒事件的发生。本申请的方案依靠跌倒过程中身体部位(尤其是头部)运动特征区分跌倒与日常动作,能够稳定进行姿态识别,大幅降低低头、躺卧、弯腰等场景误报,并能够实现全天候、全场景精准监。

1.一种基于可穿戴设备的跌倒检测方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,在计算所述姿态信息和所述加速度强度特征之前,所述方法还包括:

3.如权利要求1或2所述的方法,其特征在于,所述可穿戴设备包括摄像装置,在所述确定发生跌倒事件之后,所述方法还包括:

4.如权利要求3所述的方法,其特征在于,所述可穿戴设备包括警报装置,在所述确认所述跌倒事件为正确检测事件之后,所述方法还包括:

5.如权利要求1或2所述的方法,其特征在于,所述姿态角包括俯仰角和横滚角,所述在所述撞击事件后的预设确认时间窗口内,响应于所述姿态角持续超出预设姿态阈值,确定发生跌倒事件,包括:

6.如权利要求1或2所述的方法,其特征在于,所述姿态信息通过mahony互补滤波、扩展卡尔曼滤波和madgwick解算中的任一种方式计算,所述加速度强度特征通过均方根、瞬时加速度矢量模和滑动窗口加速度信号能量中的任一种方式计算。

7.如权利要求1或2所述的方法,其特征在于,所述可穿戴设备包括头戴式设备。

8.一种基于可穿戴设备的跌倒检测装置,其特征在于,包括:

9.如权利要求8所述的跌倒检测装置,其特征在于,还包括:

10.如权利要求8或9所述的跌倒检测装置,其特征在于,所述可穿戴设备包括摄像装置,所述跌倒检测装置还包括:

11.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器在执行所述存储器上的计算机程序时实现权利要求1至7中任一项所述的方法。

12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。