一种跌倒检测方法和装置

本发明提供一种跌倒检测方法和装置，该方法包括：1)采集用户行为数据；2)根据用户行为数据识别用户行为；3)根据行为识别结果从所采集的数据中分割出行为切换数据，并将行为切换数据规整成等长的特征向量；4)根据规整后的特征向量进行跌倒检测。本发明基于行为切换进行跌倒检测，能够过滤掉大量的正常行为数据，降低特征空间的复杂度，增强模型的区分能力，提高模型的检测率。

1.一种跌倒检测方法，包括：1）采集用户行为数据；2）根据用户行为数据识别用户行为；3）根据行为识别结果从所采集的数据中分割出行为切换数据，并将行为切换数据规整成等长的特征向量；4）根据规整后的特征向量进行跌倒检测。
2.根据权利要求1所述的方法，其特征在于，所述步骤2）进一步包括：21）将用户行为数据截取为窗口数据；22）对截取的窗口数据提取特征来组成测试样本；23）利用行为识别模型对测试样本进行用户行为识别。
3.根据权利要求2所述的方法，其特征在于，所述步骤21）后还包括：对窗口数据进行预处理。
4.根据权利要求3所述的方法，其特征在于，所述预处理包括空缺值填补和数据滤波。
5.根据权利要求2至4任一项所述的方法，其特征在于，所述特征包括均值、标准方差、过零率、百分位数、关联系数、功率谱密度、频域熵和/或谱峰位置。
6.根据权利要求2至4任一项所述的方法，其特征在于，所述行为识别模型通过离线训练获得。
7.根据权利要求2至4任一项所述的方法，其特征在于，所述行为识别模型是决策树分类模型、支持向量机模型、多层感知器神经网络或隐马尔可夫模型。
8.根据权利要求1至4任一项所述的方法，其特征在于，所述步骤3）中所述规整是利用基于高斯观测密度的隐马尔科夫模型来完成。
9.根据权利要求1至4任一项所述的方法，其特征在于，所述步骤3）中所述规整是直接提取所述行为切换数据的特征，并将所提取的特征转换成等长的特征向量。
10.根据权利要求1至4任一项所述的方法，其特征在于，所述步骤4）中所述跌倒检测是利用一类支持向量机模型来进行。
11.根据权利要求10所述的方法，其特征在于，利用一类支持向量机模型进行跌倒检测后，对于不属于跌倒行为的测试样本，再利用加权K近邻算法进一步确定是否确实不属于跌倒行为。
12.一种跌倒检测装置，包括：数据采集模块，用于采集用户行为数据；行为识别装置，用于根据用户行为数据识别用户行为；数据处理模块，用于根据行为识别结果从所采集的数据中分割出行为切换数据，并将行为切换数据规整成等长的特征向量；跌倒检测模块，用于根据规整后的特征向量进行跌倒检测。
13.根据权利要求12所述的装置，其特征在于，所述跌倒检测模块包括第一检测模块，用于利用一类支持向量机模型来根据规整后的特征向量进行跌倒检测。
14.根据权利要求13所述的装置，其特征在于，所述跌倒检测模块还包括第二检测模块，用于在所述第一检测模块进行跌倒检测后，对于不属于跌倒行为的测试样本，再利用加权K近邻算法进一步确定是否确实不属于跌倒行为。
15.根据权利要求12至14任一项所述的装置，其特征在于，所述用户行为数据来自加速度计和/或陀螺仪。
16.根据权利要求12至14任一项所述的装置，其特征在于，所述数据处理模块对行为切换数据进行规整是利用基于高斯观测密度的隐马尔科夫模型来完成。