论文部分内容阅读
随着人口老龄化加剧和“空巢”现象频出,老年人健康问题日益突出。在众多威胁老年人身心健康的因素中,跌倒是首要的威胁因素。如何通过科学的手段有效检测老年人跌倒,从而减轻老年人因跌倒造成的健康伤害问题已成为国内外新的研究热点。本文主要研究了基于人体姿态数据LPCC特征的跌倒检测算法,通过DTW(动态时间规整)方法对人体实时LPCC特征进行最优模式匹配,以准确检测跌倒状态,并利用Matlab对算法进行了仿真验证。论文进一步在Android智能手机上实现了该跌倒检测算法,并在检测到佩戴人员跌倒时能及时的发送短信或自动拨打电话报警,进而使跌倒者被及时发现并获得救治。主要完成的工作如下:首先,利用STM32单片机和MPU6050等MEMS传感器芯片构建了一个人体姿态数据采集系统,用以采集佩戴者的各种日常运动姿态和跌倒姿态的原始实验数据;其次,对原始实验数据进行坐标校正和互补滤波等预处理并进行时频域分析,提取跌倒过程时频域特征,最终确定姿态数据的短时LPCC特征可以较好地描述和区分人体姿态变化过程整体的特征;再次,采用人体姿态数据的短时LPCC特征作为特征参数,提出了基于DTW算法的匹配模板训练算法和基于模式匹配的跌倒检测算法,通过采集大量数据样本在Matlab平台上进行了算法实现和验证,实验结果表明了算法的有效性和可靠性;最后,将上述算法移植到Android平台,并通过Android手机自带的定位功能,实现了本文所研究的跌倒报警功能。经验证,本文开发的跌倒检测APP稳定可靠,检测的准确率高达94%以上,并可在大多数Android平台上正常运行,具有较高的实用价值。