一種人體活動狀態(tài)識別方法及系統(tǒng)的制作方法
【技術領域】
[0001]本發(fā)明涉及人體健康監(jiān)護領域，尤其涉及一種人體活動狀態(tài)識別方法及系統(tǒng)。
【背景技術】
[0002]在當今社會，人們對弱勢群體的關心達到了一個新的高度。因此，能夠科學有效地監(jiān)測像老年人、殘疾人這樣的弱勢群體的活動狀況具有十分重要的意義。
[0003]三軸加速度傳感器是一種重量輕、體積小，能夠測量三個方向上的人體運動加速度，其輸出也更能反映人體的真實運動狀況。多項實驗也證明基于三軸加速度傳感器的人體運動狀態(tài)識別對于不同運動類型具有良好的識別能力。相對于一些常規(guī)的評估方法，采用三軸加速度傳感器的這種評估方法具有更好的客觀性、實用性和可靠性。
[0004]但是，目前的基于三軸加速度傳感器的人體運動狀態(tài)識別方法還存在幾個明顯的缺點:1)信息測量不準確。有的監(jiān)測裝置需要佩戴在手腕上，由于手臂的活動范圍廣，活動空間大，很難判斷此時人的真正的活動狀態(tài)。2)監(jiān)測的活動信息單一。有的監(jiān)測裝置只能監(jiān)測跌倒狀態(tài)，不能監(jiān)測其他的活動狀態(tài)。3)實時性差。有的系統(tǒng)為了保證較高的識別率，對加速度信號提取過多的特征，使得跌倒識別算法復雜，處理速度較慢，無法達到實時性的要求。

【發(fā)明內容】

[0005]本發(fā)明要解決的技術問題在于針對現(xiàn)有技術中監(jiān)測的人體活動信息單一，并且識別算法準確率不高的缺陷，提供一種能夠準確識別跌倒狀態(tài)、長期靜止狀態(tài)、長期劇烈運動狀態(tài)和正常狀態(tài)的人體活動狀態(tài)識別方法及系統(tǒng)。
[0006]本發(fā)明解決其技術問題所采用的技術方案是:
本發(fā)明提供一種人體活動狀態(tài)識別方法，包括以下步驟:
51、采集人體腰部的加速度數據并計算三軸加速度，根據三軸加速度計算合成加速度；
52、根據得到的三軸加速度和合成加速度，判斷人體活動狀態(tài)，具體包括:
521、判斷是否為長期靜止狀態(tài):計算靜止狀態(tài)特征值ad,，并選取對應的靜止狀態(tài)閾值adthres;如果在一段時間內對于所有采樣點，靜止狀態(tài)特征值知都小于靜止狀態(tài)閾值adtoes，判定為長期靜止狀態(tài)；否則執(zhí)行步驟S22 ;
522、判斷是否為長期劇烈運動狀態(tài):計算運動狀態(tài)特征值，并選取對應的運動狀態(tài)閾值^thras;如果一段時間內所有采樣點的運動狀態(tài)特征值都大于運動狀態(tài)閾值
，判定為長期劇烈運動狀態(tài)；否則執(zhí)行步驟S23 ;
523、判斷是否為跌倒狀態(tài):計算跌倒狀態(tài)特征值rrff,，并選取對應的跌倒狀態(tài)閾值Affthras;計算運動狀態(tài)特征值I，并選取此時對應的跌倒-運動狀態(tài)閾值&果對于某一采樣點，跌倒狀態(tài)特征值Aff,大于跌倒狀態(tài)閾值i;ffthras，并且運動狀態(tài)特征值大于跌倒-運動狀態(tài)閾值^rothras，判定為跌倒狀態(tài)。
[0007]步驟S2中使用滑動時間窗口的特征提取方法計算特征值。
[0008]步驟S2中的特征值計算方法為:將滑動時間窗口分為連續(xù)的三段，包括前段時間窗為％f，后段時間窗為Mb，中間段時間窗為『2.’
靜止狀態(tài)特征值計算合成加速度與重力加速度數值大小的差，并對結果取絕對值；
運動狀態(tài)特征值4,:計算中間段時間窗內各采樣點的合成加速度與重力加速度之差，并對結果求和以后取平均值；
跌倒狀態(tài)特征值Aff,:計算前段時間窗內各采樣點的加速度與合成加速度比值的絕對值和與后段時間窗比值的絕對值和的差，并對結果取平均值。
[0009]本發(fā)明還提供一種人體活動狀態(tài)識別系統(tǒng)，包括加速度預處理單元和人體活動狀態(tài)判斷單元，其中:
加速度預處理單元，用于采集人體腰部的加速度數據并計算三軸加速度，根據三軸加速度計算合成加速度；
人體活動狀態(tài)判斷單元，用于根據得到的三軸加速度和合成加速度，判斷人體活動狀態(tài)；
該人體活動狀態(tài)判斷單元具體包括:
長期靜止狀態(tài)判斷單元，用于判斷是否為長期靜止狀態(tài)，計算靜止狀態(tài)特征值ad,，并選取對應的靜止狀態(tài)閾值adthras;如果在一段時間內對于所有采樣點，靜止狀態(tài)特征值ad,都小于靜止狀態(tài)閾值adthras，判定為長期靜止狀態(tài)；
長期劇烈運動狀態(tài)判斷單元，用于判斷是否為長期劇烈運動狀態(tài)，計算運動狀態(tài)特征值并選取對應的運動狀態(tài)閾值^rethras;如果一段時間內所有采樣點的運動狀態(tài)特征值各,都大于運動狀態(tài)閾值，判定為長期劇烈運動狀態(tài)；
跌倒狀態(tài)判斷單元，用于判斷是否為跌倒狀態(tài)，計算跌倒狀態(tài)特征值rrff,，并選取對應的跌倒狀態(tài)閾值Affthra3;計算運動狀態(tài)特征值Oml,并選取此時對應的跌倒-運動狀態(tài)閾值如果對于某一采樣點，跌倒狀態(tài)特征值Aff,大于跌倒狀態(tài)閾值i;ffth_，并且運動狀態(tài)特征值大于跌倒-運動狀態(tài)閾值判定為跌倒狀態(tài)。
[0010]本發(fā)明產生的有益效果是:本發(fā)明的人體活動狀態(tài)識別方法，通過采集人體腰部的加速度數據計算特征值，能夠更加準確的識別人體活動狀態(tài)；并且采用多種狀態(tài)的特征值與對應的閾值相比較的方法，能夠識別人體的多種活動狀態(tài)，克服了現(xiàn)有技術只能識別單一狀態(tài)的問題，改進了識別方法的準確性和多樣性。
【附圖說明】
[0011]下面將結合附圖及實施例對本發(fā)明作進一步說明，附圖中:
圖1是本發(fā)明實施例的總體程序流程圖；
圖2是本發(fā)明實施例的判斷長期靜止狀態(tài)的程序流程圖；
圖3是本發(fā)明實施例的判斷長期劇烈運動狀態(tài)的程序流程圖；
圖4是本發(fā)明實施例的判斷跌倒狀態(tài)的程序流程圖；
圖5是本發(fā)明實施例的判斷正常狀態(tài)的程序流程圖；
圖6是本發(fā)明實施例的人體活動狀態(tài)識別系統(tǒng)的結構示意圖。
【具體實施方式】
[0012]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0013]如圖1所示，本發(fā)明實施例的人體活動狀態(tài)識別方法，首先進行加速度預處理，然后依次進行長期靜止狀態(tài)、長期劇烈活動狀態(tài)、跌倒狀態(tài)的判別，不屬于以上三種狀態(tài)時，則判定為正常活動狀態(tài)。并且，重新采集一組加速度數據，進行新一輪的判別。具體包括以下步驟:
51、數據預處理，將采集到的人體腰部的加速度數據進行預處理，首先計算三軸加速度，然后根據三軸加速度計算合成加速度；
52、根據預處理后的人體加速度數據，對人體活動狀態(tài)進行判定，具體包括:
521、判定是否為長期靜止狀態(tài)，具體步驟為:
5211、計算靜止狀態(tài)特征值ad,，并選取對應的靜止狀態(tài)閾值adthras;
5212、比較靜止狀態(tài)特征值ad,和靜止狀態(tài)閾值adthras，如果在一段時間內對于所有采樣點，靜止狀態(tài)特征值ad,都小于靜止狀態(tài)閾值adthras，判定為長期靜止狀態(tài)；否則執(zhí)行步驟S22 ；
522、判定是否為長期劇烈運動狀態(tài)，具體步驟為:
5221、計算運動狀態(tài)特征值各,，并選取對應的運動狀態(tài)閾值^rethras;
5222、比較運動狀態(tài)特征值各,和對應的運動狀態(tài)閾值如果在一段時間內對于所有采樣點，運動狀態(tài)特征值都大于運動狀態(tài)閾值判定為長期劇烈運動狀態(tài)；否則執(zhí)行步驟S23 ;
523、判定是否為跌倒狀態(tài)，具體步驟為:
5231、計算跌倒狀態(tài)特征值i;ff,，并選取對應的跌倒狀態(tài)閾值rrffthras;同時使用步驟S22中計算的運動狀態(tài)特征值Omi,并選取此時對應的跌倒-運動狀態(tài)閾值^rothras;
5232、比較跌倒狀態(tài)特征值與跌倒狀態(tài)閾值rrffthres，運動狀態(tài)特征值與跌倒-運動狀態(tài)閾值<guhras，如果對于某一采樣點，跌倒狀態(tài)特征值i;ff,大于跌倒狀態(tài)閾值Amhras，并且運動狀態(tài)特征值&大于跌倒-運動狀態(tài)閾值^rothras，判定為跌倒狀態(tài)；否則執(zhí)行步驟S24 ;
524、如果不滿足以上3種狀態(tài)，則判定為正常狀態(tài)；
采集人體腰部的加速度數據ayl, aj ;根據采集的加速度數據來計算特征值；將特征值與預先設定的閾值進行比較，從而根據確定結果來識別人體運動狀態(tài)。由于腰部是人體的重心，腰部的運動綜合反映了人身體的運動狀態(tài)，所以將加速度傳感器固定在