[发明专利]一种融合多传感器的老年人摔倒预测方法和系统

权利要求书

1.一种融合多传感器的老年人摔倒预测方法，其特征在于，包括以下步骤：

步骤一：采集信号

通过触觉传感器、三轴加速度传感器和陀螺仪，分别对应采集使用者的手部触觉信息、人体三轴加速度信息和人体躯干角度信息；

步骤二：提取关键特征信息

通过建立地面与人体间坐标系，选取老年人在摔倒过程中手部触觉力、躯干三轴加速度和躯干角度三种动态变化信息中的特征参数作为摔倒预测的关键特征；

步骤三：关键特征信息融合、判断

对所提取的手部触觉力、躯干三轴加速度和躯干角度的关键特征参数，分别使用相应的摔倒预测算法对使用者的摔倒趋势进行初步预测，得到初步预测的三种结果，然后再对初步预测的三种结果进行决策级融合，最终判定是否有摔倒可能性。

2.根据权利要求1所述的融合多传感器的老年人摔倒预测方法，其特征在于，步骤二中，提取关键特征信息具体操作为：

首先，提取摔倒过程中相关运动学特征：手部触觉力、躯干三轴加速度和躯干角度；

其次，由8路PVDF压电薄膜传感器单元组成的触觉传感器采集手部触觉力，并建立特征向量R＝[a_i,b_i,c_i,d_i,e_i,f_i,g_i,h_i]，其元素为各路传感器所采集的触觉力数值F_i,i＝1,2,3...8；

建立身体躯干坐标系Oxyz和地面坐标系OXYZ，躯干部位沿x轴方向加速度变化为a_x，躯干部位沿y轴方向的加速度为a_y，躯干部位沿z轴方向的加速度为a_z，则合加速度为：

定义躯干相对于地面坐标系OXYZ的转角θ₁，θ₂，θ₃，其中θ₁绕x轴转动为侧倾角；θ₂绕y轴转动为俯仰角，θ₃绕z轴转动为自旋角；

摔倒过程中侧向摔倒时θ₁变化较大，前后摔倒时则是θ₂出现较大变化。

3.根据权利要求1所述的融合多传感器的老年人摔倒预测方法，其特征在于，步骤三中，对所提取的手部触觉力进行摔倒初步预测，具体操作为：

触觉传感器共有8路，设定有效信号阈值F_T,当F_i＞F_T,输入信号有效；正常运动下，其有效信号通道数目N＝4；摔倒发生时，有效信号数目N＞4；构建触觉力特征向量R＝[a_i,b_i,c_i,d_i,e_i,f_i,g_i,h_i]，设置阈值N_T＝4；

判断条件为：当N＞N_T,判定有摔倒可能，并输出判断结果至决策级融合中心。

4.根据权利要求1所述的融合多传感器的老年人摔倒预测方法，其特征在于，步骤三中，对所提取的躯干三轴加速度进行摔倒初步预测，具体操作为：

躯干三轴加速度数据提取为一系列加速度时间序列O_i，建立用于摔倒预测的隐马尔科夫模型HMM，运动过程的特征提取得到加速度时间序列，然后作为观测序列O，计算输出概率P(O|λ_p)，用统计学方法确定摔倒预测判别的阈值P₁；

判断条件为：当P＞P₁时，预测有摔倒可能，并输出判断结果至决策级融合中心。