[发明专利]一种人体活动状态识别方法及系统

说明书

技术领域

本发明涉及人体健康监护领域，尤其涉及一种人体活动状态识别方法及系统。

背景技术

在当今社会，人们对弱势群体的关心达到了一个新的高度。因此，能够科学有效地监测像老年人、残疾人这样的弱势群体的活动状况具有十分重要的意义。

三轴加速度传感器是一种重量轻、体积小，能够测量三个方向上的人体运动加速度，其输出也更能反映人体的真实运动状况。多项实验也证明基于三轴加速度传感器的人体运动状态识别对于不同运动类型具有良好的识别能力。相对于一些常规的评估方法，采用三轴加速度传感器的这种评估方法具有更好的客观性、实用性和可靠性。

但是，目前的基于三轴加速度传感器的人体运动状态识别方法还存在几个明显的缺点：1）信息测量不准确。有的监测装置需要佩戴在手腕上，由于手臂的活动范围广，活动空间大，很难判断此时人的真正的活动状态。2）监测的活动信息单一。有的监测装置只能监测跌倒状态，不能监测其他的活动状态。3）实时性差。有的系统为了保证较高的识别率，对加速度信号提取过多的特征，使得跌倒识别算法复杂，处理速度较慢，无法达到实时性的要求。

发明内容

本发明要解决的技术问题在于针对现有技术中监测的人体活动信息单一，并且识别算法准确率不高的缺陷，提供一种能够准确识别跌倒状态、长期静止状态、长期剧烈运动状态和正常状态的人体活动状态识别方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种人体活动状态识别方法，包括以下步骤：

S1、采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

S2、根据得到的三轴加速度和合成加速度，判断人体活动状态，具体包括：

S21、判断是否为长期静止状态：计算静止状态特征值a_di，并选取对应的静止状态阈值a_dthres；如果在一段时间内对于所有采样点，静止状态特征值a_di都小于静止状态阈值a_dthres，判定为长期静止状态；否则执行步骤S22；

S22、判断是否为长期剧烈运动状态：计算运动状态特征值a_mi，并选取对应的运动状态阈值a_methres；如果一段时间内所有采样点的运动状态特征值a_mi都大于运动状态阈值a_methres，判定为长期剧烈运动状态；否则执行步骤S23；

S23、判断是否为跌倒状态：计算跌倒状态特征值r_offi，并选取对应的跌倒状态阈值r_offthres；计算运动状态特征值a_mi，并选取此时对应的跌倒-运动状态阈值a_mothres；如果对于某一采样点，跌倒状态特征值r_offi大于跌倒状态阈值r_offthres，并且运动状态特征值a_mi大于跌倒-运动状态阈值a_mothres，判定为跌倒状态。

步骤S2中使用滑动时间窗口的特征提取方法计算特征值。

步骤S2中的特征值计算方法为：将滑动时间窗口分为连续的三段，包括前段时间窗为W_1f，后段时间窗为W_1b，中间段时间窗为W₂；

静止状态特征值a_di：计算合成加速度与重力加速度数值大小的差，并对结果取绝对值；

运动状态特征值a_mi：计算中间段时间窗内各采样点的合成加速度与重力加速度之差，并对结果求和以后取平均值；

跌倒状态特征值r_offi：计算前段时间窗内各采样点的y轴加速度与合成加速度比值的绝对值和与后段时间窗比值的绝对值和的差，并对结果取平均值。