基于5G物联网的康养跌倒检测系统的制作方法

本发明涉及物联网智能感知与康养监护，具体为基于5g物联网的康养跌倒检测系统。

背景技术：

1、随着全球老龄化进程加剧，跌倒已成为导致老年人意外伤害乃至死亡的重要原因之一，如何及时、准确地检测老年人跌倒事件并实现可靠告警，已成为智慧养老与数字医疗领域亟待解决的技术问题；

2、为应对上述问题，业界已发展出多种康养跌倒检测技术路线：其一，基于计算机视觉的视频监控方案，通过摄像头采集图像并利用姿态估计算法判断人体是否发生跌倒，该方案在浴室、卫生间等隐私敏感区域难以部署，其二，基于可穿戴设备的传感检测方案，在老年人身上佩戴含有加速度计、陀螺仪的手环、腰带等设备，通过检测加速度突变、姿态角变化等信号并结合固定阈值判断是否发生跌倒，其三，基于非接触式毫米波雷达的检测方案，通过发射和接收电磁波感知人体运动的距离、速度和微多普勒特征，进而推断人体姿态变化；

3、与本发明最接近的现有技术为一种基于毫米波雷达与可穿戴传感器相结合的居家跌倒检测方案，该方案在监护区域部署毫米波雷达设备持续采集人体运动的距离、速度、角度点云数据，同时在被监护人身上佩戴含加速度计的可穿戴终端实时采集人体加速度及姿态角信息，将雷达采集的速度突变特征与可穿戴设备采集的加速度阈值分别进行独立判断，任一路信号超过预设固定阈值即判定为疑似跌倒，判定结果通过家庭无线局域网或蜂窝网络上传至云端服务器或直接推送至监护人终端进行告警，该现有方案在结构组成上主要包括雷达感知模块、可穿戴感知模块、本地网关及云端告警平台，各模块之间通过无线局域网或蜂窝网络进行数据传输和指令交互；

4、上述现有技术方案存在以下缺陷：其一，雷达与可穿戴设备的判定结果均采用各自独立的固定阈值机制，未对采集到的多模态信号进行跌倒前、中、后三阶段的联合时序特征建模，导致系统难以区分快速坐下、弯腰拾物、卧床翻身等在瞬时速度或加速度上与真实跌倒相似的类跌倒动作，从而使系统误报率居高不下，引发监护人员的告警疲劳和信任度下降，其二，现有方案的判定逻辑仅依赖跌倒发生瞬间的运动学信号突变进行事后识别，未结合被监护人的历史步态基线与生理状态进行趋势性分析，导致系统无法在跌倒发生前的疲劳、协调性下降等前置风险阶段主动介入，只能实现事后报警，丧失了跌倒事件发生前的预防窗口期，其三，现有方案依赖家庭无线局域网或蜂窝网络进行数据回传，而浴室、卫生间等隐私敏感区域出于装修材质遮蔽及隐私保护需求，往往属于无线信号弱覆盖区域，一旦发生网络丢包或断联，跌倒告警信息将无法及时送达，从而在隐私敏感且高跌倒风险的区域形成事实上的救援盲区，为此，我们提出基于5g物联网的康养跌倒检测系统。

技术实现思路

1、本发明的目的在于提供基于5g物联网的康养跌倒检测系统。

2、为解决上述技术问题，本发明提供了一种基于5g物联网的康养跌倒检测系统，该系统包括感知层、边缘计算层和通信及告警层，感知层包括部署于监护区域内的毫米波雷达设备和佩戴于被监护人身上的柔性生物传感终端，分别用于采集人体运动点云数据和皮电信号、体表微阻抗信号，边缘计算层包括多模态时空联合建模与类跌倒鉴别模块和个性化风险基线动态预警模块，前者用于将雷达微多普勒特征与生物传感生理特征按照跌倒前、中、后三阶段进行时序分割和阶段特征聚合，并在决策层进行加权晚期融合得到融合判定分数，后者用于基于被监护人长期历史特征构建个性化健康基线模型，实时计算风险偏移量并据此动态调整跌倒判定阈值，通信及告警层包括5gredcap通信模组和蓝牙/uwb底层中继网络，用于在检测到跌倒事件后根据当前链路状态自适应选择高优先级qos通道或底层中继网络进行告警信息的可靠传输。

3、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

4、1.本发明通过将多模态信号按照跌倒前、中、后三阶段进行联合时序建模并在决策层进行加权晚期融合，能够充分利用不同模态在跌倒事件不同阶段呈现出的差异化信号特征，从而有效区分真实跌倒与快速坐下、弯腰拾物、卧床翻身等高混淆度的类跌倒动作，相较于采用各自独立固定阈值判断的现有方案能够降低系统误报率，提升判定的鲁棒性；

5、2.本发明通过构建个性化健康基线模型并实时计算风险偏移量动态调整判定阈值，能够在被监护人步态协调性下降或生理参数出现异常偏移的前置风险阶段主动下发干预建议，实现由被动的事后报警向主动的事前预警的跨越，为监护人员争取提前干预时间；

6、3.本发明通过边缘侧本地闭环判定结合5g高优先级qos通道与蓝牙/uwb底层中继网络的多链路自适应切换机制，能够在浴室、卫生间等隐私敏感且网络条件较差的区域实现本地闭环判定与多链路容灾传输相结合，保障关键生命救援信息的可靠送达。

1.基于5g物联网的康养跌倒检测系统，其特征在于，包括感知层、边缘计算层和通信及告警层；

2.根据权利要求1所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述多模态时空联合建模与类跌倒鉴别模块按照如下方式计算所述融合判定分数：

3.根据权利要求1所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述多模态时空联合建模与类跌倒鉴别模块将跌倒前姿态失衡阶段、跌倒中冲击特征阶段和跌倒后静止且生理参数异常阶段对应的阶段特征向量分别输入预先训练完成的时空图卷积网络模型，得到所述雷达模态跌倒置信度分数和所述生物传感模态跌倒置信度分数，所述置信度分数的取值范围为0到1之间，数值越大表示对应模态判定为真实跌倒事件的可信程度越高。

4.根据权利要求1所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述个性化风险基线动态预警模块用于持续采集被监护人在日常活动中的步态周期、步速、姿态角变化幅度、皮电信号和体表微阻抗信号，并按预设时间窗口存入历史特征数据库，对所述历史特征数据库中的数据进行统计分析，计算各特征量在正常状态下的均值，构建所述个性化健康基线模型。

5.根据权利要求4所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述个性化风险基线动态预警模块按照如下方式计算风险偏移量：

6.根据权利要求1所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述通信及告警层检测当前5gredcap通信模组与网络侧的链路连接状态，所述链路连接状态包括信号强度、丢包率和时延指标，在丢包率和时延均低于预设阈值时判定链路状态正常，通过5g网络切片能力向核心网申请高优先级qos通道传输告警信息，在丢包率超过预设阈值的情形下，以及在链路出现断连的情形下，均判定链路状态异常，将跌倒判定结果和相关特征数据暂存于本地存储单元。

7.根据权利要求6所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述通信及告警层在本地缓存决策模式下对跌倒判定结果进行二次确认，在确认为真实跌倒事件后检测5g信道是否恢复可用，在5g信道恢复可用时通过高优先级qos通道对告警信息进行补发续传，在5g信道持续阻塞时通过所述蓝牙/uwb底层中继网络进行脱网传信，在网络链路恢复正常后，将本地缓存的完整事件数据补充上传至云端。

8.根据权利要求1所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述多模态时空联合建模与类跌倒鉴别模块还用于将所述微多普勒特征和所述皮电信号、体表微阻抗信号在特征维度上进行拼接，得到拼接特征序列，将所述拼接特征序列输入同一时空图卷积网络模型中进行端到端训练和判定，得到跌倒判定结果。

9.根据权利要求6所述的基于5g物联网的康养跌倒检测系统，其特征在于：所述通信及告警层还包括低功耗广域网通信模组，所述低功耗广域网通信模组用于在所述蓝牙/uwb底层中继网络不可用时作为备用传输链路，将告警信息传输至监护人终端。

10.一种基于5g物联网的康养跌倒检测方法，应用于权利要求1所述的系统，其特征在于，包括：