应用于跌倒检测的老年人手环姿态识别方法及系统
本发明涉及可穿戴健康监测与智能跌倒检测,具体而言,涉及一种应用于跌倒检测的老年人手环姿态识别方法及系统。
背景技术:
1、随着人口老龄化程度不断加深,老年人跌倒已成为威胁其生命健康的重大公共卫生问题。跌倒检测技术作为应对这一问题的关键手段,近年来得到了广泛研究。现有的老年人跌倒检测方法主要依赖于佩戴于腰部或胸部的惯性传感器,通过检测人体整体加速度的突变或姿态角的剧烈变化来触发跌倒报警。然而,腰部或胸部传感器在实际使用中存在佩戴舒适性差、老年人依从性低等问题,而基于腕部手环的检测方案因其佩戴便捷性而逐渐受到关注。现有基于腕部的跌倒检测技术,通常直接利用三轴加速度数据设定固定阈值,当加速度幅值超过预设值即判定为跌倒事件。这种方式忽略了老年人在跌倒发生前往往存在一个从主动平衡维持到姿态逐步失控的渐进过程,无法区分老年人主动挥手等日常动作与真实的姿态失控前兆,导致误报率较高。此外,现有技术多采用单一特征触发机制,未能从老年用户自身主动维持平衡的意向与姿态失控的客观物理表现之间建立动态对抗关系的分析框架,无法在跌倒真正发生之前的失控酝酿阶段进行有效识别,错失了最佳预警时机。同时,现有方法在处理多源传感器数据时,往往将加速度、角速度和地磁数据独立使用或简单叠加,未充分挖掘不同传感器通道之间在支撑意向与失控前兆两个维度上的耦合特征,难以准确刻画老年人上肢姿态控制能力的动态衰退过程。
技术实现思路
1、鉴于上述提及的问题,结合本发明的第一方面,本发明实施例提供一种应用于跌倒检测的老年人手环姿态识别方法,所述方法包括:
2、获取绑定于老年用户腕部的姿态采集手环在连续采集周期内生成的姿态感知数据流,所述姿态感知数据流包含按时序排列的多帧姿态感知数据帧,每帧姿态感知数据帧由三轴加速度感知分量、三轴角速度感知分量和三轴地磁方位感知分量构成;
3、对所述姿态感知数据流进行姿态支撑意向提取处理,通过解析所述三轴加速度感知分量在重力方向上的支撑力投影和所述三轴地磁方位感知分量在水平面上的朝向维持度,生成表征所述老年用户主动维持身体平衡的意向强度的姿态支撑意向序列;
4、对所述姿态感知数据流进行姿态失控前兆特征提取处理,通过检测所述三轴角速度感知分量中旋转方向连续同向的累积旋转段和所述三轴加速度感知分量中失重方向的加速度持续增长段,生成表征所述老年用户上肢姿态控制能力衰退的姿态失控前兆特征序列;
5、将所述姿态支撑意向序列和所述姿态失控前兆特征序列输入至预设的支撑失控博弈判别网络进行博弈判别处理,所述支撑失控博弈判别网络通过对比同一时段内所述姿态支撑意向序列的意向强度变化趋势与所述姿态失控前兆特征序列的失控程度恶化趋势之间的博弈对抗态势,生成所述老年用户上肢的支撑失控博弈判别结果;
6、根据所述支撑失控博弈判别结果触发生成包含腕部姿态异常提醒的跌倒预警信号,并将所述跌倒预警信号发送至预设的监护终端。
7、再一方面,本发明实施例还提供一种应用于跌倒检测的老年人手环姿态识别系统,包括:
8、处理器;机器可读存储介质,用于存储所述处理器的机器可执行指令;其中,所述处理器配置为经由执行所述机器可执行指令来执行上述的应用于跌倒检测的老年人手环姿态识别方法。
9、再一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括机器可执行指令,所述机器可执行指令存储在计算机可读存储介质中,应用于跌倒检测的老年人手环姿态识别系统的处理器从所述计算机可读存储介质读取所述机器可执行指令,所述处理器执行所述机器可执行指令,使得所述应用于跌倒检测的老年人手环姿态识别系统执行上述的应用于跌倒检测的老年人手环姿态识别方法。
10、基于以上方面,通过获取绑定于老年用户腕部的姿态采集手环在连续采集周期内生成的包含三轴加速度感知分量、三轴角速度感知分量和三轴地磁方位感知分量的姿态感知数据流,并对其分别进行姿态支撑意向提取处理与姿态失控前兆特征提取处理,能够从同一数据源中同时提取出表征老年用户主动维持身体平衡意向强度的姿态支撑意向序列和表征其上肢姿态控制能力衰退程度的姿态失控前兆特征序列,在此基础上,将上述两个序列输入支撑失控博弈判别网络进行博弈判别处理,通过对比同一时段内姿态支撑意向序列的意向强度变化趋势与姿态失控前兆特征序列的失控程度恶化趋势之间的博弈对抗态势生成支撑失控博弈判别结果,使得跌倒预警的判定不再基于静态阈值的单点触发,而是基于支撑能力与失控趋势之间动态博弈关系的综合研判,能够在老年人主动平衡意向尚未完全丧失但失控趋势已持续恶化的关键窗口期精准识别跌倒风险,显著降低了因日常挥手等主动动作导致的误报,同时有效捕捉了真实跌倒前的渐进失控过程。进一步地,根据支撑失控博弈判别结果触发生成包含腕部姿态异常提醒的跌倒预警信号并发送至监护终端,显著提升了老年人腕部跌倒检测的准确性、时效性与临床实用性。
1.一种应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述对所述姿态感知数据流进行姿态支撑意向提取处理,通过解析所述三轴加速度感知分量在重力方向上的支撑力投影和所述三轴地磁方位感知分量在水平面上的朝向维持度,生成表征所述老年用户主动维持身体平衡的意向强度的姿态支撑意向序列,包括:
3.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述对所述姿态感知数据流进行姿态失控前兆特征提取处理,通过检测所述三轴角速度感知分量中旋转方向连续同向的累积旋转段和所述三轴加速度感知分量中失重方向的加速度持续增长段,生成表征所述老年用户上肢姿态控制能力衰退的姿态失控前兆特征序列,包括:
4.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述将所述姿态支撑意向序列和所述姿态失控前兆特征序列输入至预设的支撑失控博弈判别网络进行博弈判别处理,所述支撑失控博弈判别网络通过对比同一时段内所述姿态支撑意向序列的意向强度变化趋势与所述姿态失控前兆特征序列的失控程度恶化趋势之间的博弈对抗态势,生成所述老年用户上肢的支撑失控博弈判别结果,包括:
5.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述对所述历史姿态感知数据集合进行历史支撑意向提取处理和历史失控前兆提取处理,生成历史姿态支撑意向序列集合和历史姿态失控前兆特征序列集合,包括:
7.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述对所述失控姿态感知数据帧集合进行跌倒触地姿态重建处理,通过解析所述失控姿态感知数据帧集合中各帧的三轴加速度感知分量的合矢量方向和合矢量模长变化过程,结合所述三轴地磁方位感知分量的绝对朝向角变化过程,重建所述老年用户上肢从姿态失控至触地的空间运动轨迹,包括:
9.根据权利要求1所述的应用于跌倒检测的老年人手环姿态识别方法,其特征在于,所述方法还包括:
10.一种应用于跌倒检测的老年人手环姿态识别系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com