目前，跌倒檢測方法最常見的是視頻圖像分析法和穿戴式裝置檢測法。前者使用視頻攝像頭，不能保證用戶隱私安全;后者是傳感器裝置，需要基站來服務(wù)，外出時(shí)易忘記佩戴。使用智能手機(jī)進(jìn)行跌倒檢測是一個(gè)可行的且有很大發(fā)展?jié)摿Φ募夹g(shù)，智能手機(jī)同時(shí)結(jié)合了跌倒檢測系統(tǒng)的兩個(gè)重要組件：跌倒檢測和救助通信，不僅可以降低系統(tǒng)成本，實(shí)時(shí)監(jiān)測人體活動(dòng)，還可以結(jié)合GPS確定用戶的跌倒位置?，F(xiàn)在，國內(nèi)外已有利用手機(jī)進(jìn)行跌倒檢測的相關(guān)理論研究，都是使用移動(dòng)手機(jī)內(nèi)置的加速度傳感器和基于人體運(yùn)動(dòng)加速度特征的不同算法來檢測跌倒的。然而一些較高強(qiáng)度日?；顒?dòng)如慢跑、快速坐下等也會(huì)產(chǎn)生一個(gè)類似跌倒的大加速度值特征。因此，單獨(dú)使用加速度傳感器進(jìn)行跌倒檢測，采集的數(shù)據(jù)比較單一，不足以完全反應(yīng)人體姿態(tài)變化，會(huì)給跌倒檢測帶來許多假警報(bào)。針對以上問題，本文提出了基于信號向量模和特征量W相結(jié)合的跌倒檢測算法。該檢測算法同時(shí)利用加速度傳感器和陀螺儀監(jiān)測人體姿態(tài)變化，有效減少了跌倒檢測結(jié)果的假陽性和假陰性。
　　1跌倒檢測方法設(shè)計(jì)
　　加速度傳感器和陀螺儀分別能夠測量三軸方向運(yùn)動(dòng)加速度和角速度大小信息，本文利用智能手機(jī)內(nèi)置的這兩種傳感器來采集反映人體主要運(yùn)動(dòng)姿態(tài)變化的信號數(shù)據(jù)。通過使用信號向量模（magnitudeofsignalvector，SVM）閾值法來識(shí)別區(qū)分低強(qiáng)度日常生活活動(dòng)（activitiesofdailyliving，ADL）與跌倒，對于閾值法不能識(shí)別的較高強(qiáng)度ADL，則通過對角速度信號向量模數(shù)據(jù)進(jìn)一步處理得到的新特征量來判別。
　　1.1信號數(shù)據(jù)
　　人體活動(dòng)主要分為以下幾種：躺下、步行、坐下—起立、上樓梯、下樓梯、慢跑、蹲下—起立以及跌倒等。人體攜帶的智能手機(jī)，其內(nèi)置的加速度傳感器和陀螺儀輸出的信號數(shù)據(jù)可以反映出人體日常運(yùn)動(dòng)姿態(tài)變化。圖1為智能手機(jī)在x、y和z三軸的加速度方向及角速度方向。
　　
　　圖1三軸方向上加速度測量和角速度測量
　　傳感器輸出信號中摻雜了大量的脈沖噪聲，中值濾波是傳統(tǒng)的消除脈沖噪聲的方法。中值濾波器是一個(gè)非線性信號處理技術(shù)，它使用一個(gè)給定長度的窗依次滑過原始信號序列，然后將窗內(nèi)居中的樣本值用該窗所包含信號序列的中值替代，這里濾波器窗口大小n設(shè)為3。