[发明专利]一种基于数据融合和BP神经网络的跌倒检测系统及方法

权利要求书

1.一种基于数据融合和BP神经网络的跌倒检测系统，设置在鞋子中，用于预测跌倒，其特征在于，包括：

第一子系统与第二子系统，分别设置在左脚用鞋与右脚用鞋中，均具有四个设置在鞋垫中的用于采集足底压力数据的薄膜压力传感器、用于采集足部加速度数据与角速度数据的加速计陀螺仪模块、用于进行数据传输的WIFI模块、用于进行数据处理的主控芯片以及用于供电的电池模块，

其中，四个所述薄膜压力传感器分别设置于在所述鞋垫上第一脚趾、第一跖骨、第四跖骨以及足跟对应的位置，

所述加速计陀螺仪模块、所述WIFI模块、所述主控芯片以及所述电池模块均设置在鞋帮外侧或集成设置到鞋底内。

2.一种基于如权利要求1所述的基于数据融合和BP神经网络的跌倒检测系统的跌倒检测方法，包括以下步骤：

步骤1，通过所述薄膜压力传感器和所述加速计陀螺仪模块来实时采集人体足部的足底压力数据、加速度数据以及角速度数据作为原始数据；

步骤2，所述主控芯片对所述原始数据进行数据预处理得到融合数据；

步骤3，利用事先采集的训练集来训练BP神经网络，得到神经网络模型，并将所述神经网络模型植入所述第二子系统的所述主控芯片中；

步骤4，所述第一子系统采集的所述原始数据通过所述WIFI模块传输给所述第二子系统，与所述第二子系统采集的所述原始数据经过数据预处理后带入所述神经网络模型中，完成对跌倒的预测，

其中，所述神经网络模型中，第一层为输入层，第二层和第三层为隐藏层，第四层为输出层，

所述神经网络模型的第一层具有24个输入神经元，第二层具有16个隐藏层神经元，其中包括一个偏置值，第三层具有9个隐藏层神经元，其中包括一个偏置值，第四层有1个输出神经元，

所述训练集包括24个所述融合数据以及1个标签，所述神经网络模型的输入数据以24*1的矩阵形式进行输入，所述神经网络模型的输出为0或1的跌倒或非跌倒事件。

3.根据权利要求2所述的基于数据融合和BP神经网络的跌倒检测系统的跌倒检测方法，其特征在于：

其中，所述步骤1中，通过100Hz的频率采集所述原始数据，所述原始数据用一维矩阵的形式表示为：

[Acc_x，Acc_y，Acc_z，Grv_x，Grv_y，Grv_z，F₁，F₂，F₃，F₄]，

其中，Acc_x，Acc_y，Acc_z为三轴的加速度值，Grv_x，Grv_y，Grv_z为三轴的角速度值，F₁，F₂，F₃，F₄分别对应第一脚趾、第一跖骨、第四跖骨以及足跟的压力值。