[发明专利]基于多模特征分析的老人摔倒实时监测方法及系统

权利要求书

1.基于多模特征分析的老人摔倒实时监测方法，其特征在于，实时获取被监测老人所在环境区域内的视频图像数据和音频数据，并通过可穿戴设备同步地实时采集被监测老人的运动加速度信号、角速度信号和心率信号，实时地从视频图像数据中提取出运动物体图像特征参数，且实时地从音频数据中提取出人声音频特征参数，并连同实时采集到的被监测老人的运动加速度信号、角速度信号和心率信号共同作为老人摔倒监测识别特征，输入至预测识别分类器，通过预测识别分类器进行实时的分类识别，综合判断当前的运动物体图像特征参数、人声音频特征参数、运动加速度信号、角速度信号和心率信号是否满足老人摔倒情况时所对应的老人摔倒监测识别特征，若满足，则对外发送老人摔倒报警信息。

2.根据权力要力求1所述基于多模特征分析的老人摔倒实时监测方法，其特征在于，所述预测识别分类器中设有通过预先训练得到的预测识别分类函数，所述预测识别分类函数用于指示输入到预测识别分类器的运动物体图像特征参数、人声音频特征参数、运动加速度信号、角速度信号和心率信号是否满足老人摔倒情况时所对应的老人摔倒监测识别特征。

3.根据权力要力求2所述基于多模特征分析的老人摔倒实时监测方法，其特征在于，训练预测识别分类器中预测识别分类函数的方法为：获取不同的多组在老人摔倒情况下对应的运动物体图像特征参数、人声音频特征参数、运动加速度信号、角速度信号和心率信号，将每一组老人摔倒情况下对应的运动物体图像特征参数、人声音频特征参数、运动加速度信号、角速度信号和心率信号作为一个老人摔倒监测识别训练样本，利用所获得的各个老人摔倒监测识别训练样本，使用K折交叉验证法对预测识别分类器进行训练，K为所获取到的老人摔倒监测识别训练样本的总数量，从而得到预测识别分类器的预测识别分类函数。

4.根据权力要力求1所述基于多模特征分析的老人摔倒实时监测方法，其特征在于，从视频图像数据中提取出运动物体图像特征参数的具体方式为：

a1）针对当前帧视频图像数据，采用前景检测算法检测出运动物体目标；

a2）对当前帧视频图像数据中的运动物体目标进行轮廓识别，并对当前帧视频图像数据中的运动物体目标轮廓进行椭圆拟合，得到运动物体目标的轮廓拟合椭圆；

a3）计算当前帧视频图像数据中所得的轮廓拟合椭圆的如下一种或多种特征参数作为从当前帧视频图像数据中提取出的运动物体图像特征参数：

①当前帧视频图像数据中轮廓拟合椭圆的短轴b与长轴a的比值b/a；

②前一帧视频图像数据与当前帧视频图像数据的轮廓拟合椭圆的短轴b与长轴a比值的变化量v(b/a)；

③当前帧视频图像数据中轮廓拟合椭圆的长轴a相对于水平方向的夹角θ；

④前一帧视频图像数据与当前帧视频图像数据的轮廓拟合椭圆的长轴a相对于水平方向夹角变化量v(θ)；

⑤当前帧视频图像数据中轮廓拟合椭圆的面积S；

⑥当前帧视频图像数据中轮廓拟合椭圆的中心点相对于其最低位置点的高度h；

a4）针对每一帧视频图像数据执行步骤a1）~a3）的处理，实时地从每一帧视频图像数据中提取出运动物体图像特征参数。

5.根据权力要力求1所述基于多模特征分析的老人摔倒实时监测方法，其特征在于，从音频数据中提取出人声音频特征参数的具体方式为：

b1）将当前单位时段内接收到的音频数据进行离散采样和量化处理，得到对应的音频数字信号

b2）对得到的音频数字信号进行预加重、分帧和加窗处理，分离得到多个音频数字信号帧；

b3）分别对每个音频数字信号帧进行快速傅里叶变换，得到各个音频数字信号帧的频谱，进而求得各个音频数字信号帧对应的幅度谱；

b4）通过梅尔滤波器组分别对各个音频数字信号帧对应的幅度谱进行滤波处理后进行对数运算，计算各个音频数字信号帧对应的幅度谱经过滤波处理后的对数能量值，再进行离散余弦变换，得到当前单位时段的音频数据对应的梅尔频率倒谱系数，作为当前单位时段的音频数据的人声音频特征参数；

b5）根据预设定的单位时段划分方式，针对每一单位时段的音频数据执行步骤b1）~b4）的处理，实时地从每一单位时段的音频数据中提取出人声音频特征参数。