一種人體摔倒自動(dòng)檢測方法及系統(tǒng)的制作方法
【專利摘要】一種人體摔倒自動(dòng)檢測方法及系統(tǒng)，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，所述方法的步驟包括：無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息；利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常；基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作，若是，則發(fā)出摔倒警報(bào)信號(hào)。本發(fā)明的檢測方法誤報(bào)率較低；利用現(xiàn)有的無線網(wǎng)絡(luò)及設(shè)備，無需安裝其他特定的檢測設(shè)備，具有極高的普及性；同時(shí)被檢測者不需要攜帶任何額外傳感設(shè)備，避免了被檢測者攜帶檢測設(shè)備所造成的不便。
【專利說明】一種人體摔倒自動(dòng)檢測方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信息處理技術(shù)，尤其涉及一種人體摔倒自動(dòng)檢測方法及系統(tǒng)。
【背景技術(shù)】
[0002]如今，世界人口處于一個(gè)獨(dú)特的且不容改變的老齡化趨勢。作為老年人最主要的健康威脅和獨(dú)自生活的障礙，毫無預(yù)兆性的摔倒加劇了老年人健康和急救事業(yè)的壓力。因此，我們急切需要找到一種能夠方便并有效的自動(dòng)檢測老年人摔倒并做出回應(yīng)的方法。為了實(shí)現(xiàn)對動(dòng)作的準(zhǔn)確檢測，人們提出了利用環(huán)境設(shè)備、視覺或者傳感器來進(jìn)行檢測的方法。然而采用這些方法搭建的檢測系統(tǒng)本身都存在著種種不足。在利用周圍環(huán)境設(shè)備進(jìn)行摔倒檢測的系統(tǒng)中，特定的設(shè)備儀器需要事先被安裝在被檢測者所處的環(huán)境中，通過設(shè)備感受到的視像、音效和地板的振動(dòng)來判斷被檢測者的動(dòng)作。被檢測者周圍的其他聲音或其他環(huán)境因素很容易干擾環(huán)境設(shè)備的工作，從而造成錯(cuò)誤的摔倒報(bào)警結(jié)果。而利用視覺的摔倒檢測系統(tǒng)，需要在被檢測者所處的檢測環(huán)境中安裝有高分辨率的相機(jī)來拍攝大量影像，進(jìn)而通過所拍攝的影像來判斷是否有摔倒的發(fā)生。然而，安裝相機(jī)在某種程度下會(huì)侵犯到被檢測者的個(gè)人隱私。與此同時(shí)，由于光線因素的影響，利用視覺的摔倒檢測系統(tǒng)不能在黑暗條件下有效的工作。這些系統(tǒng)都存在著受環(huán)境因素影響大的缺點(diǎn)，并且這些系統(tǒng)所存在的局限性都為準(zhǔn)確并方便的進(jìn)行對老年人摔倒的檢測造成了障礙。
[0003]隨著無線通信技術(shù)的發(fā)展，越來越多的無線設(shè)備被人們應(yīng)用到生活當(dāng)中。因此，利用無線通信技術(shù)來檢測老年人的摔倒動(dòng)作被認(rèn)作是一種有效可行的方法?，F(xiàn)有的無線通信技術(shù)提出了多種檢測人體各種動(dòng)作的方法。比如通過移動(dòng)設(shè)備的三軸加速度傳感器采集使用者上軀干部位的三維加速度信息，并對信息進(jìn)行融合處理，綜合人體所受沖擊和沖擊前后上軀干傾斜角度來判斷人體是否摔倒，該方法對多沖擊式摔倒和滾落式摔倒的檢測仍然有效，具有高檢測率；但使用該方法，被檢測者需要攜帶移動(dòng)設(shè)備，仍會(huì)造成不便。另有一種摔倒檢測定位裝置裝備了慣性導(dǎo)航模塊和GPS模塊，所述慣性導(dǎo)航模塊由三軸陀螺儀、三軸磁力計(jì)和三軸加速度計(jì)組成，該摔倒檢測定位裝置通過GSM/GPRS與綁定被測人員的親屬手機(jī)、監(jiān)護(hù)站連接，并設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的摔倒檢測算法，準(zhǔn)確地檢測人體摔倒?fàn)顟B(tài)和位置信息，可以準(zhǔn)確地檢測到被測人員的摔倒?fàn)顩r，并且可以對其實(shí)時(shí)跟蹤定位，系統(tǒng)方便實(shí)用，準(zhǔn)確率高，穩(wěn)定性強(qiáng)；但其需要安裝有特定的專業(yè)設(shè)備，成本高且普及性差。進(jìn)一步地，對于利用隨身攜帶的傳感器或者裝有應(yīng)用程序的智能手機(jī)的摔倒檢測系統(tǒng)，盡管能夠在不使用其他特定設(shè)備的情況下進(jìn)行摔倒檢測，但被檢測者無法保證隨時(shí)攜帶傳感器或手機(jī)，而且攜帶傳感器會(huì)給被檢測者的生活造成一定程度的不便。

【發(fā)明內(nèi)容】

[0004]為了克服上述所指的現(xiàn)有技術(shù)中的不足之處，本發(fā)明提供一種人體摔倒自動(dòng)檢測方法及系統(tǒng)，以在特定的室內(nèi)環(huán)境中，通過利用現(xiàn)有的無線網(wǎng)絡(luò)及設(shè)備，實(shí)現(xiàn)對人體摔倒動(dòng)作的有效的檢測，并達(dá)到及時(shí)報(bào)警和反饋的功能。[0005]本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的:
一種人體摔倒自動(dòng)檢測方法，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，其步驟包括:
51、無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息；
52、利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常；
53、基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作，若是，則發(fā)出摔倒警報(bào)信號(hào)。
[0006]進(jìn)一步地，所述無線發(fā)射端的數(shù)目為一個(gè)或兩個(gè)以上，所述無線接收端的數(shù)目為一個(gè)或兩個(gè)以上。
[0007]所述步驟SI評(píng)估信道狀態(tài)信息包括:
511、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)；
512、對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)；
513、利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
[0008]所述步驟S2利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常是基于局部異常因子的時(shí)間序列異常檢測算法。
[0009]進(jìn)一步地,所述步驟S2包括:
521、對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到子序列，計(jì)算子序列的局部異常因
子;
522、當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
[0010]進(jìn)一步地,所述步驟S3包括:
531、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型；
532、將步驟S23輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類；
533、判斷發(fā)生人體摔倒動(dòng)作，發(fā)出摔倒警報(bào)信號(hào)。
[0011]本發(fā)明的人體摔倒自動(dòng)檢測方法還包括:步驟S4，反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。
[0012]本發(fā)明還提供了一種人體摔倒自動(dòng)檢測系統(tǒng)，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，包括:
CSI獲取模塊，用于無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信
息；
異常檢測模塊，用于利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常；
動(dòng)作判斷模塊，用于基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作所導(dǎo)致的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作；
警報(bào)模塊，用于當(dāng)判斷發(fā)生人體摔倒動(dòng)作時(shí)，發(fā)出摔倒警報(bào)信號(hào)。
[0013]進(jìn)一步地,所述CSI獲取模塊包括:
感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)；
數(shù)據(jù)處理單元，用于對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)；
平滑單元，用于利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
[0014]進(jìn)一步地，所述異常檢測模塊基于局部異常因子的時(shí)間序列異常檢測算法，包括:
LOF計(jì)算單元，用于對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到子序列，計(jì)算子序列的局部異常因子；
異常輸出單元，用于當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
[0015]進(jìn)一步地，所述動(dòng)作判斷模塊包括:
建立模型單元，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型；
動(dòng)作識(shí)別單元，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類。
[0016]本發(fā)明的人體摔倒自動(dòng)檢測系統(tǒng)還包括一反饋模塊，用于反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。
[0017]與現(xiàn)有技術(shù)相比，本發(fā)明基于室內(nèi)環(huán)境下的無線電傳播機(jī)制，將信道狀態(tài)信息CSI與人體動(dòng)作建立聯(lián)系，通過CSI的變化判斷人體發(fā)生的動(dòng)作，確定被檢測者是否發(fā)生摔倒的動(dòng)作，從而實(shí)現(xiàn)有效的報(bào)警的功能，其有益效果包括:在裝飾物較少的室內(nèi)環(huán)境(如實(shí)驗(yàn)室)中，被檢測動(dòng)作的檢測準(zhǔn)確率為84%?94%，而在裝飾物較多的室內(nèi)環(huán)境(如宿舍)中，檢測準(zhǔn)確率也達(dá)到78%，誤報(bào)率較低，僅有15%?22% ;能夠?qū)崿F(xiàn)對摔倒動(dòng)作判斷后發(fā)出警報(bào)信號(hào)，并利用系統(tǒng)的自學(xué)習(xí)功能處理誤報(bào)情況，進(jìn)一步降低誤報(bào)率；本檢測方法是在現(xiàn)有的無線網(wǎng)絡(luò)及設(shè)備的基礎(chǔ)上，進(jìn)行摔倒動(dòng)作的檢測工作，被檢測環(huán)境中無需安裝其他特定的檢測設(shè)備，可以在家庭的任何環(huán)境中使用，具有極高的普及性，同時(shí)被檢測者不需要攜帶任何額外傳感設(shè)備，避免了被檢測者攜帶檢測設(shè)備所造成的不便，為其生活提供了便利。
【專利附圖】

【附圖說明】
[0018]附圖1為本發(fā)明的一種實(shí)施例的人體摔倒自動(dòng)檢測系統(tǒng)的硬件構(gòu)成示意圖；
附圖2為本發(fā)明的人體摔倒自動(dòng)檢測方法的實(shí)現(xiàn)流程簡圖；
附圖3為本發(fā)明的一種實(shí)施例的人體摔倒自動(dòng)檢測方法的實(shí)現(xiàn)流程示意圖；
附圖4為本發(fā)明的一種實(shí)施例的人體摔倒自動(dòng)檢測系統(tǒng)的框架圖。
【具體實(shí)施方式】
[0019]為了便于本領(lǐng)域技術(shù)人員的理解，下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的描述。
[0020]一種人體摔倒自動(dòng)檢測方法，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，其步驟包括:
51、無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息；
52、利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常； S3、基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作，若是，則發(fā)出摔倒警報(bào)信號(hào)。
[0021]在實(shí)際應(yīng)用中，本發(fā)明的人體摔倒自動(dòng)檢測方法可在應(yīng)用服務(wù)器上實(shí)現(xiàn)。優(yōu)選地，所述無線接收端為無線網(wǎng)卡，所述無線發(fā)射端為無線路由器，該方法基于室內(nèi)環(huán)境下的無線電傳播機(jī)制，建立無線信號(hào)和人體動(dòng)作的關(guān)系，只需要使用家庭現(xiàn)有的無線網(wǎng)絡(luò)設(shè)備，即能夠通過對被檢測者動(dòng)作變化而造成的無線信號(hào)的改變進(jìn)行分析，判斷出被檢測者是否發(fā)生的摔倒的動(dòng)作并進(jìn)行報(bào)警，減小了周圍環(huán)境因素對摔倒活動(dòng)檢測的影響，將大大的提高摔倒檢測的的正確率。在特定的室內(nèi)環(huán)境中，可通過無線網(wǎng)卡收集無線網(wǎng)絡(luò)的豐富的信道狀態(tài)信息。在本發(fā)明中，所述無線發(fā)射端的數(shù)目為一個(gè)或兩個(gè)以上，所述無線接收端的數(shù)目為一個(gè)或兩個(gè)以上。系統(tǒng)中分別由多根天線來發(fā)送和接收無線信號(hào)；系統(tǒng)所使用的無線網(wǎng)卡可以接收信道狀態(tài)信息。優(yōu)選地，無線發(fā)射端和無線接收端的數(shù)目均為2個(gè)或者3個(gè)。如附圖1所述，被檢測環(huán)境中存在兩個(gè)無線發(fā)射端(第一發(fā)射器和第二發(fā)射器)和兩個(gè)無線接收端(第一接收端和第二接收端)。其中第一接收端接收來自第一發(fā)射器的CSKChannelState Information的縮寫，即信道狀態(tài)信息，在無線通信領(lǐng)域，CSI就是通信鏈路的信道屬性，描述了信號(hào)在每條傳輸路徑上的衰弱因子)，第二接收端接收來自第二發(fā)射器的CSI。在被檢測環(huán)境中，被檢測者無需攜帶其他額外設(shè)備。系統(tǒng)將利用兩個(gè)無線接收端所接收的CSI來對被檢測者的動(dòng)作進(jìn)行檢測，并從而判斷被檢測者是否摔倒。
[0022]為了建立無線信號(hào)和人體動(dòng)作之間的聯(lián)系，本發(fā)明采用無線網(wǎng)絡(luò)的信道狀態(tài)信息CSI作為指示物。CSI能夠描述出在時(shí)間延遲、振幅衰減和相位轉(zhuǎn)移的共同影響之下，一個(gè)信號(hào)的傳播途徑。基于室內(nèi)環(huán)境下的無線電傳播模型，本發(fā)明建立了 CSI與人體動(dòng)作之間的聯(lián)系。在一個(gè)特定的室內(nèi)環(huán)境中(如一個(gè)房間)，存在一條主要傳播路徑和多個(gè)因?yàn)橹車h(huán)境(天花板、地板和墻)影響而產(chǎn)生的反射路徑。當(dāng)被檢測者處于該房間內(nèi)，他的身體會(huì)產(chǎn)生多條散射路徑。當(dāng)被檢測者在該環(huán)境中保持靜止?fàn)顟B(tài)時(shí)，處于該環(huán)境內(nèi)的接收端會(huì)接收到穩(wěn)定的傳播能量。而當(dāng)被檢測者的發(fā)生動(dòng)作變化，例如被檢測者摔倒時(shí)，由人體影響而產(chǎn)生散射路徑的散射點(diǎn)會(huì)迅速的改變位置，而這種突變會(huì)導(dǎo)致接收端所收到的能量發(fā)生變化。而通過這種變化，本發(fā)明將會(huì)判斷出人體具體發(fā)生了哪種動(dòng)作變化。本發(fā)明利用正交頻分載波復(fù)用(Orthogonal Frequency Division Multiplex, OFDM)得到以子載波(subcarrier)形式存在的CSI。而使用這種方法得到的CSI與人體動(dòng)作之間建立聯(lián)系會(huì)提高對動(dòng)作判斷的準(zhǔn)確率。
[0023]具體地，所述步驟SI中，評(píng)估信道狀態(tài)信息包括:
511、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)；
512、對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)；
513、利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
[0024]當(dāng)本發(fā)明的系統(tǒng)開始工作時(shí)，無線發(fā)射端傳播無線網(wǎng)絡(luò)信號(hào)，同時(shí)處于特定區(qū)域內(nèi)的無線接收端(如裝有網(wǎng)卡的電腦)會(huì)收集CSI作為初始信道狀態(tài)數(shù)據(jù)，然后進(jìn)行數(shù)據(jù)處理。以使用3X3的多入多出技術(shù)(Multiple-1nput Multiple-Out-put, MIMO)為例，在感應(yīng)階段得到的初始信道狀態(tài)數(shù)據(jù)會(huì)被分成9個(gè)空間流，而在每一個(gè)流中會(huì)有30個(gè)子載波。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，人體動(dòng)作的變化會(huì)對不同的空間流所包含的數(shù)據(jù)產(chǎn)生影響，而對每一個(gè)空間流中的所有子載波則會(huì)產(chǎn)生相似的影響。同時(shí)，實(shí)驗(yàn)表明，環(huán)境因素(如溫度，房間的設(shè)置)也會(huì)造成收集的CSI有所起伏。因此，在本發(fā)明中，每一個(gè)獨(dú)立的空間流中的30個(gè)子載波的CSI值被匯總成一個(gè)單獨(dú)的信道狀態(tài)信息。優(yōu)選地，對每一個(gè)空間流，先求得連續(xù)5個(gè)子載波的CSI平均值，而且對9個(gè)空間流分別取同一時(shí)間點(diǎn)的CSI平均值作為信道狀態(tài)信息。為了減小環(huán)境因素的干擾，本發(fā)明利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法，具體地，使用加權(quán)移動(dòng)平均法(weighted moving average)對通過上述處理的信道狀態(tài)信息進(jìn)行平滑處理，以減少數(shù)據(jù)中的噪聲。
[0025]所述步驟S2旨在檢測出無線信號(hào)的異常改變。盡管不同的固定人體姿勢會(huì)導(dǎo)致不同的信號(hào)強(qiáng)度，但是其在時(shí)域中有相同的信號(hào)變化走勢，并隨著時(shí)間逐漸趨于穩(wěn)定。而人體的動(dòng)作，如行走、直立、摔倒會(huì)造成明顯的信道狀態(tài)信息的突然起伏。優(yōu)選地，本發(fā)明利用基于局部異常因子(Local Outlier Factor)的異常檢測算法，先對正常輪廓進(jìn)行估計(jì)，然后計(jì)算局部異常因子，從而隔離出由各種人體動(dòng)作導(dǎo)致的異常模式。
[0026]所述步驟S2利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常是基于局部異常因子的時(shí)間序列異常檢測算法，進(jìn)一步地，包括:
521、對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到若干子序列，計(jì)算子序列的局部異常因子；
522、當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
[0027]優(yōu)選地，利用時(shí)間序列異常檢測算法，可通過更為精確的檢測標(biāo)準(zhǔn)限定，將走路和站立兩種姿勢所對應(yīng)的時(shí)間序列分離出去，排除此兩種常見的人體動(dòng)作造成的異常模式。
[0028]在完成異常檢測模塊后,部分人體動(dòng)作將因?yàn)樵斐尚诺罓顟B(tài)信息的明顯變化被檢測到而輸出對應(yīng)的異常模式。然后，對這些異常模式將進(jìn)入動(dòng)作分析，從而判斷異常模式是屬于何種動(dòng)作。為了從這些模式中區(qū)別出摔倒動(dòng)作，本發(fā)明使用了基于從異常模式中所提取過的特征的一類支持向量機(jī)(one-class Support Vector Machine, one-class SVM)。一類SVM是一種擴(kuò)展的支持向量機(jī)算法。在一類SVM，所有的樣本分為目標(biāo)類和其他類。為了解決非線性分類的問題，將輸入樣本映射成一個(gè)高維圖像。在本發(fā)明中，摔倒動(dòng)作的異常模式被視作目標(biāo)動(dòng)作類，而其他動(dòng)作的異常模式被視作為其他動(dòng)作類。摔倒動(dòng)作的異常模式亦已經(jīng)被事先映射成一個(gè)高維圖像。通過利用一類SVM判斷，可以從上一步驟輸出的異常模式中分離出摔倒動(dòng)作來，依賴于由輸出的異常模式和選定的模型，從而決定發(fā)生了何種動(dòng)作。
[0029]進(jìn)一步地,所述步驟S3包括:
531、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型；
532、將步驟S23輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類；
533、判斷發(fā)生人體摔倒動(dòng)作，發(fā)出摔倒警報(bào)信號(hào)。
[0030]本發(fā)明的人體摔倒自動(dòng)檢測方法還包括:步驟S4，反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。當(dāng)摔倒動(dòng)作被檢測出之后，將進(jìn)入警報(bào)處理階段。當(dāng)某種異常模式被認(rèn)定為摔倒動(dòng)作，系統(tǒng)會(huì)發(fā)生警報(bào)。如果警報(bào)被及時(shí)關(guān)閉，則說明被檢測者不需要或已經(jīng)得到了幫助，此時(shí)系統(tǒng)利用反饋的響應(yīng)信息，更新人體摔倒動(dòng)作判斷的歷史記錄，并用于調(diào)整完善一類支持向量機(jī)的高維特征模型，提供可以優(yōu)化檢測和決策算法的系統(tǒng)反饋。如果警報(bào)沒有及時(shí)被關(guān)閉，系統(tǒng)則會(huì)通過信號(hào)關(guān)聯(lián)的其他設(shè)備向他人發(fā)出求助信息，比如通過第三方應(yīng)用發(fā)送即時(shí)信息或短信等求助。
[0031]如附圖2所示的流程圖，公開了本發(fā)明的檢測方法的三個(gè)重要步驟，包括:CSI數(shù)據(jù)處理、異常檢測和動(dòng)作分類。
[0032]具體地，如附圖3所示，本發(fā)明還提供了一種實(shí)施例的人體摔倒自動(dòng)檢測方法的實(shí)現(xiàn)流程，其步驟包括:
5301、無線接收端接收來自無線發(fā)射端的無線信號(hào)，同時(shí)采集初始信道狀態(tài)數(shù)據(jù)；
5302、求取合并子載波的CSI平均值作為信道狀態(tài)信息；
5303、對信道狀態(tài)信息進(jìn)行平滑處理；
5304、對信道狀態(tài)信息的正常輪廓進(jìn)行估計(jì)，利用異常檢測算法計(jì)算局部異常因子；
5305、輸出異常模式；
5306、將輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中；
5307、利用一類支持向量機(jī)進(jìn)行分類，其中以人體摔倒動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式為目標(biāo)動(dòng)作類；
5308、判斷是否分離出目標(biāo)動(dòng)作類，若是，執(zhí)行步驟S209，否則返回步驟S301；
5309、判定發(fā)生人體摔倒動(dòng)作，發(fā)出摔倒警報(bào)信號(hào)；
5310、判斷警報(bào)是否在一設(shè)定時(shí)間間隔內(nèi)被及時(shí)關(guān)閉，若是，執(zhí)行步驟S311，否則，執(zhí)行步驟S312 ；
5311、向系統(tǒng)反饋關(guān)閉操作及異常模式參數(shù)，優(yōu)化檢測和動(dòng)作判斷算法；
5312、向外發(fā)送求助信息。
[0033]本發(fā)明還提供了一種人體摔倒自動(dòng)檢測系統(tǒng)，如附圖4所示，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，包括:
CSI獲取模塊41，用于無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息；
異常檢測模塊42，用于利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常；
動(dòng)作判斷模塊43，用于基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作所導(dǎo)致的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作；
警報(bào)模塊44，用于當(dāng)判斷發(fā)生人體摔倒動(dòng)作時(shí)，發(fā)出摔倒警報(bào)信號(hào)。
[0034]本發(fā)明的人體摔倒自動(dòng)檢測系統(tǒng)中，所述無線發(fā)射端的數(shù)目為一個(gè)或兩個(gè)以上，所述無線接收端的數(shù)目為一個(gè)或兩個(gè)以上。優(yōu)選地，無線發(fā)射端和無線接收端的數(shù)目均為2個(gè)或者3個(gè)。
[0035]進(jìn)一步地,所述CSI獲取模塊包括:
感應(yīng)單元411，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)；
數(shù)據(jù)處理單元412，用于對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)； 平滑單元413，用于利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
[0036]進(jìn)一步地，所述異常檢測模塊基于局部異常因子的時(shí)間序列異常檢測算法，包括:
LOF計(jì)算單元421，用于對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到若干子序列，計(jì)算子序列的局部異常因子；
異常輸出單元422，用于當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
[0037]進(jìn)一步地,所述動(dòng)作判斷模塊包括:
建立模型單元431，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型；
動(dòng)作識(shí)別單元432，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類。
[0038]本發(fā)明的人體摔倒自動(dòng)檢測系統(tǒng)還包括一反饋模塊45，用于反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。
[0039]以上內(nèi)容是結(jié)合具體的優(yōu)選方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不應(yīng)認(rèn)定本發(fā)明的具體實(shí)施只局限于以上說明。對于本【技術(shù)領(lǐng)域】的技術(shù)人員而言，在不脫離本發(fā)明構(gòu)思的前提下，還可以作出若干簡單推演或替換，均應(yīng)視為由本發(fā)明所提交的權(quán)利要求確定的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種人體摔倒自動(dòng)檢測方法，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，其步驟包括: 51、無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息； 52、利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常； 53、基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作，若是，則發(fā)出摔倒警報(bào)信號(hào)。
2.根據(jù)權(quán)利要求1所述的人體摔倒自動(dòng)檢測方法，其特征在于:所述無線發(fā)射端的數(shù)目為一個(gè)或兩個(gè)以上，所述無線接收端的數(shù)目為一個(gè)或兩個(gè)以上。
3.根據(jù)權(quán)利要求2所述的人體摔倒自動(dòng)檢測方法，其特征在于，所述步驟SI評(píng)估信道狀態(tài)信息包括: 511、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)； 512、對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)； 513、利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
4.根據(jù)權(quán)利要求1所述的人體摔倒自動(dòng)檢測方法，其特征在于:所述步驟S2利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常是基于局部異常因子的時(shí)間序列異常檢測算法。
5.根據(jù)權(quán)利要求4所述的人體摔倒自動(dòng)檢測方法，其特征在于，所述步驟S2包括:` 521、對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到子序列，計(jì)算子序列的局部異常因子; 522、當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
6.根據(jù)權(quán)利要求5所述的人體摔倒自動(dòng)檢測方法，其特征在于:所述步驟S3包括: 531、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型； 532、將步驟S23輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類； 533、判斷發(fā)生人體摔倒動(dòng)作，發(fā)出摔倒警報(bào)信號(hào)。
7.根據(jù)權(quán)利要求1所述的人體摔倒自動(dòng)檢測方法，其特征在于，還包括:步驟S4，反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。
8.一種人體摔倒自動(dòng)檢測系統(tǒng)，基于無線網(wǎng)絡(luò)信號(hào)傳輸技術(shù)，其特征在于，包括: CSI獲取模塊，用于無線接收端接收來自無線發(fā)射端的無線信號(hào)，并評(píng)估信道狀態(tài)信息； 異常檢測模塊，用于利用異常檢測算法識(shí)別信道狀態(tài)信息變化的異常； 動(dòng)作判斷模塊，用于基于將目標(biāo)動(dòng)作類和其他動(dòng)作類進(jìn)行區(qū)分的一類支持向量機(jī)，以人體摔倒動(dòng)作所導(dǎo)致的異常模式為目標(biāo)動(dòng)作類，判斷是否發(fā)生人體摔倒動(dòng)作； 警報(bào)模塊，用于當(dāng)判斷發(fā)生人體摔倒動(dòng)作時(shí)，發(fā)出摔倒警報(bào)信號(hào)。
9.根據(jù)權(quán)利要求8所述的人體摔倒自動(dòng)檢測系統(tǒng)，其特征在于，所述CSI獲取模塊包括: 感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括N個(gè)空間流中的M個(gè)子載波的CSI值，N和M均為大于I的自然數(shù)； 數(shù)據(jù)處理單元，用于對每一空間流，求取在同一時(shí)間點(diǎn)上的P個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，P為大于I小于M的自然數(shù)； 平滑單元，用于利用數(shù)據(jù)過濾技術(shù)和滑動(dòng)平均方法對信道狀態(tài)信息進(jìn)行平滑處理。
10.根據(jù)權(quán)利要求8所述的人體摔倒自動(dòng)檢測系統(tǒng)，其特征在于:所述異常檢測模炔基于局部異常因子的時(shí)間序列異常檢測算法，包括: LOF計(jì)算單元，用于對信道狀態(tài)信息的時(shí)間序列實(shí)施數(shù)據(jù)分割得到子序列，計(jì)算子序列的局部異常因子； 異常輸出單元，用于當(dāng)所述局部異常因子大于或等于預(yù)設(shè)閾值時(shí)，將子序列作為異常模式輸出。
11.根據(jù)權(quán)利要求10所述的人體摔倒自動(dòng)檢測系統(tǒng)，其特征在于:所述動(dòng)作判斷模塊包括: 建立模型單元，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)由于各項(xiàng)人體動(dòng)作導(dǎo)致信道狀態(tài)信息變化的異常模式作為訓(xùn)練樣本的高維特征模型； 動(dòng)作識(shí)別單元，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機(jī)的高維特征模型中，分離出目標(biāo)動(dòng)作類。
12.根據(jù)權(quán)利要求8所述的人體摔倒自動(dòng)檢測系統(tǒng)，其特征在于，還包括一反饋模塊，用于反饋針對摔倒警報(bào)信號(hào)的響應(yīng)信息，調(diào)整一類支持向量機(jī)的高維特征模型。
【文檔編號(hào)】G08B21/04GK103606248SQ201310456860
【公開日】2014年2月26日 申請日期:2013年9月30日 優(yōu)先權(quán)日:2013年9月30日
【發(fā)明者】伍楷舜, 王羽西, 倪明選 申請人:廣州市香港科大霍英東研究院