一种摔倒报警系统和方法技术领域
本发明涉及一种摔倒报警系统和方法，尤其涉及一种利用模糊自适应检测摔倒的摔倒报
警系统和方法。
背景技术
父辈随着年龄的增加，身体和脑力机能逐步退化，老年人跌倒的发生率高、后果严重，
如果老人摔倒后产生昏迷，那么情况就更加危急。这也成为高龄老年人首位伤害或者死亡原
因。我国人群中跌倒在意外伤害死因顺位中排在第4位，而65岁以上的老年人中则位居首位，
并随年龄的增加跌倒的死亡率急剧上升，85岁以上的老年人中达到了高峰。所以设计一款能
够精确检测老人实时状态并及时将老人摔倒的状态告知家人的装置十分必要。
在现有技术中，针对惯性摔倒检测技术一般有两种方式，一种为采用神经网络模式识别
的方法，此类方法需要较多的硬件资源，对硬件处理速度的要求较高，并且针对不同的用户
建立神经网络，过程复杂，可复制性差；另一种是通过三轴加速度向量取模，并设定阈值判
断摔倒的方法，此类方法简单易操作，实时性强，但是判断过于简单，误判率高。
发明内容
为了解决以上问题，本发明提供了一种摔倒报警系统和方法，该系统和方法简单易操作，
实时性强，且判断精度高。
为了实现上述目的，本发明采用如下技术方案：
一种摔倒报警系统，包括单片机，单片机内存储有能够判断是否为摔倒状态的编程模块，
所述单片机的数据输入端连接惯性数据采集单元，以及定位接收单元；所述单片机的数据输
出端连接有音频单元和无线通讯单元，无线通讯单元与指定终端相连，将待测者的摔倒状态
以及位置信息发送至指定终端。
所述惯性数据采集单元包括采集加速度信号的加速度传感器，以及采集角速度信号的陀
螺仪。
惯性数据采集单元与单片机之间设置有低通滤波器，低通滤波器将惯性数据采集单元中
采集的惯性数据滤波，以排除干扰数据。
摔倒报警系统还包括操作该报警系统运行的显示按键单元，该单元包括显示屏，显示屏
的下方设置有多个设定按键，显示屏与设定按键之间还设置有在紧急状态下的报警按键，报
警按键的两侧分别设置有确定按钮以及否定按钮。
一种摔倒报警方法，包括以下步骤：
1)采集待测者三个方向上的加速度以及角速度，并形成加速度向量以及角速度向量；
2)对采集到的加速度向量以及角速度向量滤波，形成采样加速度向量以及采样角速度向
量；
3)将采样加速度向量合成形成合成加速度，并对合成加速度进行阈值判断，初步判定是
否为可能的摔倒状态；将合成加速度与设定阈值比较，若合成加速度不小于设定阈值，则判
定待测者正常；若合成加速度小于设定阈值，则判定待测者可能摔倒；
4)将采样加速度向量以及采样角速度向量敏感化处理；
5)设定采样窗口合成采样矩阵；
6)对采样窗口中的采样矩阵模糊化处理以判定是否摔倒；
7)将摔倒信号传输至指定终端以实现摔倒报警。
所述步骤3)中阈值的设定具体方法包括以下步骤：
a.在每日中划分多个时间区段；
b.记录每个时间区段中的合成加速度的振幅；
c.累计每个时间区段中合成加速度振幅超过预设值的数量；
d.根据累计数量确定每个时间区段中的区段运动强度；
e.根据下述公式确定设定阈值：
TAcc＝Texp+a·(E-Eexp)，其中TAcc表示设定阈值，单位为m/s2；Texp和参数a分别为
经过试验得到的阈值预设参数和预设放大比例系数。E为区段运动强度，Eexp为区段运动强
度的预设参数。
所述步骤4)具体为：将采样加速度向量以及采样角速度向量中对于摔倒事件关联度低
的数据合成再处理或弃除；对于摔倒事件中关联度高的数据放大处理。
若阈值判定中判断结果为摔倒，就会触发窗口判定，窗口判定接收来自矩阵化处理单元
的采样矩阵。
所述步骤5)中设定采样窗口合成采样矩阵具体过程如下：阈值判定为摔倒后，从获得
下一个采样加速度和采样角度数向量的采样时间点开始，每隔一定时间设立一个窗口判定采
样时间点tj，共设立m个，t1t2Λtm，在每个窗口判定采样时间点采集来自数据敏感
化处理单元的n维数据，形成采样矩阵S：
S = S 11 S 12 Λ S 1 m S 21 S 22 Λ S 2 m M M S n 1 S n 2 Λ S n m . ]]>
其中Sij表示采样矩阵S中的元素。矩阵中的每一列的元素表示在一个相应的时间点tj处
采集到的来自数据敏感化处理单元的n维数据(S1jS2jΛSnj)T。
所述步骤6)对采样窗口中的采样矩阵模糊化处理以判定是否摔倒，具体包括以下步骤：
利用下述公式对采样窗口中的采样数值模糊化处理：
F = N w 1 0 ≤ | S i j - S i j exp | ≤ T w 1 N w 2 T w 1 < | S i j - S i j exp | ≤ T w 2 N w 3 T w 2 < | S i j - S i j exp | ≤ T w 3 0 T w 3 < | S i j - S i j exp | , ]]>
其中是经过试验确定的采样矩阵S中每个点Sij的期望值，所以会有m×n个不同的
期望值 S 11 exp S 12 exp Λ S 1 m exp S 21 exp S 22 exp Λ S 2 m exp M M S n 1 exp S n 2 exp Λ S n m exp ; ]]>Nw1、Nw2和Nw3为模糊化函数F中的模糊值。Tw1、Tw2和Tw3
为模糊化函数F中的预设的参数。采样矩阵中的点Sij输入函数F后得到的结果为Nij。将上
述模糊化处理后形成的模糊矩阵中的m×n个数值相加合成判定摔倒参数N，将判定摔倒参
数N与预设摔倒参数Nwin比较，如N＞Nwin的时候，判定为摔倒，当N＜Nwin的时候判定为
未摔倒。
与现有技术相比，本发明具有如下突出的实质性特点和显著的优点：
(1)本发明系统的操作方法简单，实时性强；
(2)本发明方法通过自适应阈值判定和自适应窗口判定的方法，以及对敏感向量的加强
化处理以及设置模糊化自适用调节，使本发明的判断精度更高，误判率较小。
附图说明
图1为本发明中摔倒报警系统的示意图。
图2为本发明中摔倒报警系统的显示界面示意图。
图3为本发明中摔倒报警方法的流程图。
图4为本发明中一个时间区段中振幅的变化示意图。
具体实施方式
下面结合附图对本发明的具体实施例进行具体描述。
如图1所示，一种摔倒报警系统，包括单片机，单片机内存储有能够判断是否为摔倒状
态的编程模块，所述单片机的数据输入端连接惯性数据采集单元，以及定位接收单元；所述
单片机的数据输出端连接有音频单元和无线通讯单元，无线通讯单元与指定终端相连，将待
测者的摔倒状态以及位置信息发送至指定终端。
上述惯性数据采集单元包括可采集加速度信号的加速度传感器，以及可采集角速度信号
的陀螺仪。
惯性数据采集单元与单片机之间设置有低通滤波器，低通滤波器可将惯性数据采集单元
中采集的惯性数据滤波，低通滤波器将高频的噪音信号滤掉，排除了干扰数据。
另外，如图1所示，本摔倒报警系统还包括有与单片机信号输出端相连的音频单元，音
频单元可发出报警信号，待测者摔倒时，通过声音的报警，引起周围人的关注，从而寻求帮
助；也可在音频单元中录入声音，到达吃药时间时，提醒使用者吃药种类的数量等。
如图2所示，在本发明中，摔倒报警系统还包括可操作该报警系统运行的显示按键单元，
该单元包括可显示日期、时间、吃药设置的显示屏1，显示屏1的下方设置有多个设定按键2，
通过不同的按键可具体更改上述单片机中预设的数值，同时，在显示屏1与设定按键2之间
还设置有在紧急状态下的报警按键5，报警按键5的两侧分别设置有确定按钮3以及否定按
钮4，在具体判定时，如系统发出摔倒警报时，待测者为非摔倒状态，则可按下否定按钮4，
通过否定按钮4，可对该摔倒报警系统中预设数值进行误差报警，误差报警后，可启动单片
机中的编程程序重新启动设定，提高了摔倒判断的正确率。
如图3所示，本发明的摔倒报警方法包括以下步骤：
1)采集待测者三个方向上的加速度以及角速度，并形成加速度向量VA(X,Y,Z)以及角速
度向量VG(X,Y,Z)；
2)对采集到的加速度向量以及角速度向量滤波形成采样加速度向量VAcc(X,Y,Z)以及采
样角速度向量VGyr(X,Y,Z)；
3)将采样加速度向量合成形成合成加速度ΔAcc，并对合成加速度进行阈值判断，初步判
定是否可能为摔倒状态；
4)将采样加速度向量以及采样角速度向量敏感化处理；
5)设定采样窗口合成采样矩阵；
6)对采样窗口中的采样数值模糊化处理，合成判定摔倒参数，并与预设摔倒参数比较以
判定是否摔倒；
7)将摔倒信号传输至指定终端以实现摔倒报警。
针对上述方法，对每一个步骤的详细说明如下：
根据待测者的位置设定X、Y、Z轴坐标，则测得的加速度以及角速度向量即为VA(X,Y,Z)
以及VG(X,Y,Z)；
图3所示，对采集到的加速度向量以及角速度向量滤波形成采样加速度向量以及采样角
速度向量，VAcc(X,Y,Z)和VGyr(X,Y,Z)。
继续参见图3，将采样加速度向量合成形成合成加速度，并对合成加速度进行阈值判断，
初步判定是否可能为摔倒状态时，具体为，将合成加速度与设定阈值比较，若合成加速度不
小于设定阈值，则判定待测者正常；若合成加速度小于设定阈值，则判定待测者可能摔倒。
上述中设定阈值的具体方法包括以下步骤：在每日中划分多个时间区段；记录每个时间
区段中的振幅；累计每个时间区段中振幅超过预设值的数量；根据累计数量确定每个时间区
段中的运动强度；根据下述公式确定设定阈值：TAcc＝Texp+a·(E-Eexp)，其中TAcc表示设
定阈值，单位为m/s2；Texp和参数a分别为经过试验得到的阈值预设参数和预设放大比例系
数。E为区段运动强度，Eexp为区段运动强度的预设参数。如图3所示，区段运动强度计算
单元采集加速度信息进行计算后自适应调节阈值判断中阈值TAcc的大小。
则针对上述阈值判断步骤进一步具体说明如下：
提取采样向量中加速度三轴数据根据下述公式进行合
成，对合成加速度ΔAcc进行阈值判断，当ΔAcc<TAcc(其中Tacc为设定阈值)时，判断为没有
摔倒，则该数据被自动舍弃；当ΔAcc>TAcc时判断为可能摔倒，通过阈值的判断，实现了初步
的摔倒判定。需要说明的是，因阈值TAcc在一天中不同的时间段有不同的值，这些值的大小是
根据下述加速度和角速度的强度信息E确定的(如图3)。举一具体实施例进行说明，以一天
中划分成12个时间段为例，即分为6：00-8：00，8：00-10：00，10：00-12：00等时间
区段，即对应12个阈值TAcc1ΛTAcc12。这些阈值的设定可以根据使用者使用期间的使用情况
进行自适应的调节。
具体参见图4，将一天24小时的时间分成若干的时间区段Q1ΛQn，在每个时间区段内
记录使用者加速度的强度信息为E1ΛEn，强度信息Ei的获取是在相应时间区段Qi内对振幅
超过一定值的信号进行时间累计，通过时间累计的长短，设定在此时间段内运动的强度，公
式为：Ei＝TA1+TA2+Λ+TAn。
举例说明，在6：00到8：00的时间区段内，即图4中Qi内，强度信息为Ei。加速度振
幅在A1与A2之间的时间是TA1，加速度振幅大于A2的时间为TA2。那么在整个时间区段内
的运动强度Ei＝TA1+TA2，。通过上述确定的运动强度自适应调整上述阈值TAcc的大小(如
图3中)，即TAcc＝Texp+a·(E-Eexp)。其中Texp为阈值预设参数，Eexp为区段运动强度预设
参数，a为预设放大比例系数。
阈值判断保证所有摔倒的情况都会通过判定，并且为之后的模糊判定进行初步筛选，以
提高检测的工作效率。因此，阈值判定为第一层判定，但是这层判定的准确率较低，因为只
要稍微有点摔倒的可能就会通过这层判断，基于此，本发明设定的后续判定更加精确，这样
不仅提高了工作效率，还提高了判断的准确度。
继续参见图3，将采样加速度向量以及采样角速度向量敏感化处理时，具体为将采样加
速度向量以及采样角速度向量中对于摔倒事件关联度低的数据合成再处理或弃除；对于摔倒
事件中关联度高的数据进行放大处理。
此处所述对于摔倒事件关联度高低的数据选择依据为:待测者在摔倒过程中产生的角速
度和加速度变化与正常状态下的变化差异性比较大的数据即为关联度高，反之，则为关联度
低。举例说明，人在正常状态下，垂直方向的加速度(即z轴加速度)变化波动比较大，摔
倒时垂直方向的加速度波动同样比较大，那么垂直方向的加速度这一数据与摔倒事件的关联
度就比较小。相反，人在正常状态下，xy面内的加速度变化比较小，摔倒状态下xy面内的
加速度变化比较大，能够明显区分，则认为x轴和y轴的数据同摔倒事件的关联度高。
另外，对于摔倒事件关联度低的数据合成再处理或弃除，举一具体实施例说明如下：如
上所示，z轴方向的加速度，正常状态下的正常波动范围是-2g到2g，摔倒状态下的波动范围
是-3g到3g，两种状态下其最大差值为1g，即显示z轴方向对于摔倒事件关联度低，如此可
采用此种方式对数据进行整理，即将z轴的加速度乘以较大数值(该数值可任意选择，以8-10
为优)，这样就能达到的一个较大的数值变化范围，从而加大了两种状态的可区分度。
经过敏感化处理后的数据从6维变为n维。
若阈值判定中判断结果为摔倒，就会触发窗口判定。窗口判定首先会接收来自矩阵化处
理单元的采样矩阵。采样矩阵获得的具体过程为：阈值判定为摔倒后，从获得下一个采样加
速度和采样角度数向量的采样时间点开始，每隔一定时间设立一个窗口判定采样时间点tj，
共设立m个，所以窗口判定的采样时间点为t1t2Λtm，在每个窗口判定采样时间点采
集来自数据敏感化处理单元的n维数据，形成采样矩阵S：
S = S 11 S 12 Λ S 1 m S 21 S 22 Λ S 2 m M M S n 1 S n 2 Λ S n m , ]]>
其中Sij表示采样矩阵S中的元素。矩阵中的每一列的元素表示在一个相应的时间点tj处
采集到的来自数据敏感化处理单元的n维数据(S1jS2jΛSnj)T，m个窗口判定采样时间
点的时间间隔是不同的。窗口判定采样时间点的位置的确定是根据人体在摔倒状态下的变化
特征为根据的。因为人在摔倒过程中不同时间点的变化规律是不同的，则对应选择的窗口判
定采样时间点也不同，如在摔倒后0.1秒内人体的惯性数据(加速度和角速度)变化剧烈，
则该段时间内设定的窗口判定采样时间点应该更加密集，在人体摔倒的0.3-0.9秒的时间段内
人体的惯性数据变化范围较小，窗口判定采样时间点可以稀疏一些。设窗口判定采样时间点
一共m个，每个时间点采集到的来自数据敏感化处理单元的n维数据，即形成上述m×n维
的采样矩阵S。
对采样窗口中的采样矩阵S模糊化处理。具体包括以下步骤：利用下述公式对采样矩阵
S模糊化处理：
F = N w 1 0 ≤ | S i j - S i j exp | ≤ T w 1 N w 2 T w 1 < | S i j - S i j exp | ≤ T w 2 N w 3 T w 2 < | S i j - S i j exp | ≤ T w 3 0 T w 3 < | S i j - S i j exp | , ]]>
其中是经过试验确定的采样矩阵S中每个点Sij的期望值，所以会有m×n个不同的
期望值 S 11 exp S 12 exp Λ S 1 m exp S 21 exp S 22 exp Λ S 2 m exp M M S n 1 exp S n 2 exp Λ S n m exp ; ]]>Nw1、Nw2和Nw3为模糊化函数F中的模糊值。Tw1、Tw2和Tw3
为模糊化函数F中的预设的参数，用以判断的取值范围。采样矩阵中的点Sij输入
函数F后得到的结果为Nij，Nij的值有四种可能，分别为Nw1、Nw2、Nw3或0。将采样矩阵
S输入函数F后得到模糊化矩阵：
N 11 N 12 Λ N 1 m N 21 N 22 Λ N 2 m M N M N n 1 N n 2 Λ Λ n m ]]>
将上述模糊化处理后形成的模糊矩阵中的m×n个数值相加合成判定摔倒参数N，
N＝N11+ΛNij+Λ+Nnm(i＝1,2,Λ,nj＝1,2,Λ,m)。
将判定摔倒参数与预设摔倒参数Nwin比较，如判定摔倒参数大于预设判定摔倒参数时，
判定为摔倒状态；如判定摔倒参数小于预设摔倒参数时，判定为未摔倒状态，即当N＞Nwin
的时候，判定为摔倒，当N＜Nwin的时候判定为未摔倒。
上述函数F中Tw1、Tw2和Tw3为变量，其值根据摔倒的误判信息自适应调整，即当系统误
判为摔倒姿态时，用户按下误判按键，系统判断为误判状态。自适应模块将调节Tw1、Tw2和Tw3
的大小，即随着误判次数的累计，Tw1、Tw2和Tw3的值将会更加符合特用户的运动习惯，使判
断更加严格。