公开(公告)号：CN107569234A

公开(公告)日：2018-01-12

申请号：CN201710796479.8

申请日：2017-09-06

Applicant: 南京邮电大学

Inventor： 周亮 ,  赵晨雪 ,  陈建新 ,  周生强

IPC: A61B5/11 ,  A61B5/00 ,  G06F17/00

Abstract: 本发明公开了一种基于腕带式设备的跌倒检测算法，包括通过传感器采集人体活动加速度数据；将采集的加速度数据转换成角度值，计算角度的梯度值，根据数据之间的变化规律得出倾角梯度数据，利用分组数据求方差的方法获得最终的特征值；获得倾角梯度方差作为特征值后，通过与人体正常活动特征值进行对比，分别选取跌倒与跌倒发生以后两个时刻的阈值，进行跌倒行为判断。双阈值跌倒检测算法有效提高了检测的灵敏度和特异度。

公开(公告)号：CN107506706A

公开(公告)日：2017-12-22

申请号：CN201710691664.0

申请日：2017-08-14

Applicant: 南京邮电大学

Inventor： 陈建新 ,  刘李正 ,  裴启程 ,  奚晨烜 ,  赵晨雪

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于三维摄像头的人体跌倒检测的方法，该方法包括训练数据采集，对不同身高，不同年龄的多个实验对象采集多组跌倒与非跌倒动作片段进行采集；数据预处理；动作特征提取，提取每种动作的骨骼节点分布特征，高度特征以及惯性特征，构成行为特征向量；分类器训练获取运动模型，将训练集的行为特征向量输入隐马尔可夫模型分类器，获得参数最优模型；最后对每个测试样例连续帧内的数据进行上述的特征提取，投入之前模型进行测试，判别。本发明用机器学习方法实现了人体跌倒行为检测，具有较高的识别率。该方法属于计算机视觉以及机器学习领域，能够有效地识别出室内跌倒行为发生情况，及时发出报警，节省了看护工作人员劳动力。