基于可穿戴设备的跌倒检测方法综述

基于可穿戴设备的跌倒检测系统能检测人的跌倒行为,并在老人监护等场景下得到广泛应用,相关系统的设计也引起众多研究人员的关注。对于基于可穿戴设备的跌倒检测系统的研究情况做了详细综述,介绍了跌倒的过程,按照可穿戴设备跌倒检测系统的工作流程,分别从数据采集、数据预处理、特征提取和判别算法等几个方面介绍目前研究工作的开展情况,并对已有研究成果进行分类、对比和统计分析,为后续研究工作提供有意义的借鉴与参考。

室内跌倒检测算法研究

跌倒造成的危害被认为是老年人生活中主要的健康威胁之一,由于Wi-Fi信号分布范围广且Wi-Fi设备造价低,因此利用Wi-Fi信号进行跌倒检测的方法成为研究的热点。首先将从Wi-Fi设备中提取的信道状态信息(CSI)的幅值进行预处理,消除环境噪声干扰以及频率选择性衰落的影响,其次利用局部离群因子(LOF)检测算法判定是否有行为发生,然后建立室内跌倒过程中无线信号传播模型,并利用主成分分析(PCA)算法提取特征值,最后利用支持向量机(SVM)对这些行为进行识别,并使用随机森林(RF)分类算法提高识别的精度。

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的s EMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.

基于ZigBee的可穿戴式跌倒监护系统

提出了一个可以进行远程报警的无线跌倒监控系统。跌倒检测是通过佩戴在人体的终端设备获取人体运动时产生的加速度信号,然后通过跌倒算法对数据进行处理识别。终端识别跌倒信号后,通过ZigBee无线网络将信号传输到网关,网关通过发送AT指令到SIM300模块来发送报警短信到监护人手机上。实验结果表明,系统可以100%检测到人体跌倒,使医护人员及家属在5s内收到跌倒报警信息。

基于STM32的跌倒防护装置研究

基于STM32的用于老年人跌倒防护的装置,由控制模块,传感器模块,防护挽救模块组成。控制模块以STM32为核心,控制模块接收传感器模块检测的加速度、角速度信号,使用阈值判断法进行分析,并能够在老年人发生跌倒但未完全着地前为后面开启防护措施提供信号,从而避免老年人受伤害。实验显示,本系统采用的跌倒判断算法准确度高,系统可靠性高、结构简单。

基于GPS/BD-2和GSM/GPRS的户外监护系统研究与实现

为解决当今社会中老人跌倒无人敢扶、得不到及时救助的问题,以及防止老人、儿童、智障者走失,设计了一种基于GPS/BD-2和GSM/GPRS的户外监护系统。该系统由MSP430F149单片机、GSM/GPRS无线通信模块、GPS/BD-2卫星定位模块和跌倒检测模块等部分组成。可实现跌倒检测、户外定位、短信求救和远程追踪等功能。该系统采用嵌入式设计,体积小、功耗低,适合用户长期佩戴;采用GPS/BD-2双模接收机模块,具有定位精度高的特点;采用GSM/GPRS网络进行无线通信,公共场所无通信盲区,数据传输稳定。