当前位置：首页 > news >正文

【Python生活】如何构建一个跌倒检测的算法？

news 来源：原创 2025/5/14 8:42:14

在这里插入图片描述

跌倒检测算法原理

跌倒检测主要基于加速度计和陀螺仪数据，通过分析人体运动的特征来判断是否发生跌倒。常见的算法原理包括：

阈值检测法：设置加速度幅值阈值和倾角阈值，当加速度突然增大并超过阈值，随后倾角发生显著变化时，判定为跌倒。
机器学习方法：提取时域特征（均值、标准差、峰度等）和频域特征（FFT变换），训练分类模型（如SVM、随机森林）。
深度学习方法：使用LSTM、CNN等网络直接处理时序传感器数据，自动提取特征并分类。

下面我将使用阈值检测法实现一个基础的跌倒检测系统，因为它简单高效且易于理解。

Python代码实现

下面是一个使用Python实现的跌倒检测系统，包含数据生成、特征提取、跌倒检测算法和测试用例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
import unittestclass FallDetectionSystem:def __init__(self, accel_threshold=1.5, inclination_threshold=60, window_size=50, fs=50):"""初始化跌倒检测系统参数:accel_threshold: 加速度幅值阈值(g)inclination_threshold: 倾角变化阈值(度)window_size: 分析窗口大小(采样点数)fs: 采样频率(Hz)"""self.accel_threshold = accel_thresholdself.inclination_threshold = inclination_thresholdself.window_size = window_sizeself.fs = fsdef calculate_magnitude(self, x, y, z):"""计算三轴加速度的合加速度"""return np.sqrt(x**2 + y**2 + z**2)def calculate_inclination(self, x, y, z):"""计算倾角"""return np.degrees(np.arctan2(np.sqrt(x**2 + y**2), z))def detect_fall(self, accel_data, incl_data):"""基于阈值的跌倒检测算法参数:accel_data: 合加速度数据incl_data: 倾角数据返回:检测结果列表，1表示跌倒，0表示正常"""result = np.zeros_like(accel_data)for i in range(len(accel_data) - self.window_size):# 窗口内数据window_accel = accel_data[i:i+self.window_size]window_incl = incl_data[i:i+self.window_size]# 检测加速度峰值if np.max(window_accel) > self.accel_threshold:# 检测倾角变化incl_change = np.max(window_incl) - np.min(window_incl)if incl_change > self.inclination_threshold:# 标记为跌倒result[i+self.window_size//2] = 1  # 在窗口中间位置标记return resultdef generate_sample_data(duration=10, fs=50, add_fall=True):"""生成示例传感器数据参数:duration: 数据持续时间(秒)fs: 采样频率(Hz)add_fall: 是否添加跌倒事件返回:时间数组, X轴加速度, Y轴加速度, Z轴加速度"""t = np.linspace(0, duration, duration * fs)n_samples = len(t)# 生成正常活动数据x = 0.1 * np.random.randn(n_samples)y = 0.1 * np.random.randn(n_samples)z = 1.0 + 0.1 * np.random.randn(n_samples)  # 重力加速度if add_fall:# 在中间添加一个跌倒事件fall_start = int(n_samples * 0.4)fall_end = fall_start + int(fs * 1.5)  # 跌倒持续1.5秒# 跌倒时的加速度特征: 先快速上升(撞击), 然后下降(失重), 最后稳定(躺在地上)impact_duration = int(fs * 0.3)impact_amplitude = 2.0  # 撞击强度# 生成撞击信号impact = impact_amplitude * np.sin(np.linspace(0, np.pi, impact_duration))x[fall_start:fall_start+impact_duration] += impact * np.random.randn(impact_duration)y[fall_start:fall_start+impact_duration] += impact * np.random.randn(impact_duration)z[fall_start:fall_start+impact_duration] += impact * np.random.randn(impact_duration)# 失重阶段weightlessness_duration = int(fs * 0.5)x[fall_start+impact_duration:fall_start+impact_duration+weightlessness_duration] *= 0.3y[fall_start+impact_duration:fall_start+impact_duration+weightlessness_duration] *= 0.3z[fall_start+impact_duration:fall_start+impact_duration+weightlessness_duration] *= 0.3# 躺倒后倾角变化post_fall_start = fall_start + impact_duration + weightlessness_durationx[post_fall_start:fall_end] += 0.8  # 假设摔倒后X轴加速度增加z[post_fall_start:fall_end] -= 0.8  # Z轴加速度减小(接近水平)return t, x, y, zclass TestFallDetection(unittest.TestCase):def setUp(self):self.fd_system = FallDetectionSystem()def test_magnitude_calculation(self):x, y, z = 1.0, 0.0, 0.0mag = self.fd_system.calculate_magnitude(x, y, z)self.assertEqual(mag, 1.0)def test_inclination_calculation(self):x, y, z = 0.0, 0.0, 1.0incl = self.fd_system.calculate_inclination(x, y, z)self.assertEqual(incl, 0.0)def test_fall_detection(self):# 生成测试数据t, x, y, z = generate_sample_data(duration=5, add_fall=True)# 计算特征fd = FallDetectionSystem()mag = np.array([fd.calculate_magnitude(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])incl = np.array([fd.calculate_inclination(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])# 检测跌倒result = fd.detect_fall(mag, incl)# 验证是否检测到跌倒self.assertTrue(np.sum(result) > 0, "未能检测到模拟的跌倒事件")def visualize_results(t, x, y, z, fall_result):"""可视化传感器数据和跌倒检测结果"""plt.figure(figsize=(12, 8))# 绘制三轴加速度plt.subplot(411)plt.plot(t, x, 'r-', label='X')plt.plot(t, y, 'g-', label='Y')plt.plot(t, z, 'b-', label='Z')plt.title('三轴加速度数据')plt.legend()plt.grid(True)# 绘制合加速度fd = FallDetectionSystem()mag = np.array([fd.calculate_magnitude(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])plt.subplot(412)plt.plot(t, mag)plt.axhline(y=fd.accel_threshold, color='r', linestyle='--', label='加速度阈值')plt.title('合加速度')plt.legend()plt.grid(True)# 绘制倾角incl = np.array([fd.calculate_inclination(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])plt.subplot(413)plt.plot(t, incl)plt.axhline(y=fd.inclination_threshold, color='r', linestyle='--', label='倾角阈值')plt.title('倾角')plt.legend()plt.grid(True)# 绘制跌倒检测结果plt.subplot(414)plt.plot(t, fall_result, 'g-')plt.title('跌倒检测结果 (1=跌倒, 0=正常)')plt.grid(True)plt.tight_layout()plt.savefig('fall_detection_results.png')plt.show()if __name__ == "__main__":# 运行测试unittest.main(argv=[''], verbosity=2, exit=False)# 生成样本数据并进行跌倒检测t, x, y, z = generate_sample_data(duration=10, add_fall=True)fd = FallDetectionSystem()mag = np.array([fd.calculate_magnitude(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])incl = np.array([fd.calculate_inclination(xi, yi, zi) for xi, yi, zi in zip(x, y, z)])fall_result = fd.detect_fall(mag, incl)# 可视化结果visualize_results(t, x, y, z, fall_result)# 打印检测结果统计fall_count = np.sum(fall_result)print(f"检测到 {fall_count} 次跌倒事件")