Kalman濾波在跌倒檢測中的實驗分析

摘 要 為了能夠更好地研究老年人的跌倒檢測的準(zhǔn)確性和實時性，在基于kalman濾波的跌倒檢測理論方法基礎(chǔ)上進(jìn)行實驗分析。采用kalman濾波對目標(biāo)中心點的運動軌跡進(jìn)行預(yù)測，將人體中心點的實際運動軌跡和預(yù)測運動軌跡進(jìn)行匹配，通過誤差比較來判斷老人是否發(fā)生跌倒。實驗結(jié)果表明，該方法可以盡可能地彌補傳統(tǒng)視頻檢測技術(shù)檢測率低和實時性差的問題，可為老人意外跌倒提供了安全保障。

關(guān)鍵詞 跌倒檢測;kalman濾波;誤差分析

1實驗過程

當(dāng)老年人發(fā)生跌倒時，老人的運動質(zhì)心軌跡會發(fā)生一個階躍式的變化，與正常行走時的軌跡有非常大的偏差，我們利用kalman濾波對老人行走的軌跡進(jìn)行跟蹤，考慮到老人的特殊性，本文選取不同的實驗人員進(jìn)行模擬跌倒，過程分為正常行走，跌倒，站起，實驗過程中我們用綠色的框標(biāo)出檢測到的實驗者，用紅色的框預(yù)測實驗者下一幀的位置，圖1中所展示的是實驗者的檢測狀態(tài)，實驗者的質(zhì)心用紅色的星形標(biāo)出來。

實驗過程中，我們以kinect V2 攝像頭為基準(zhǔn)建立空間坐標(biāo)系，實驗選取從一系列的實驗者跌倒視頻中選取連續(xù)的140幀作為研究對象，用kalman 濾波對實驗者的質(zhì)心進(jìn)行跟蹤預(yù)測，得到質(zhì)心在空間 坐標(biāo)系中的運動軌跡如圖2。

從圖2中我們能發(fā)現(xiàn)當(dāng)人正常行走時，人體質(zhì)心點的位移幾乎沒有發(fā)生變化因此100幀之前和130幀之后運動目標(biāo)的質(zhì)心運動軌跡較為平緩，雖有波動，但幅度不是很大，從第100幀開始，質(zhì)心位移就發(fā)生了階躍性的變化直到115幀左右達(dá)到頂峰，直到130幀時軌跡又趨于平緩，通過大量實驗對比發(fā)現(xiàn)，在第100幀到130幀這個時間內(nèi)實驗者經(jīng)歷了從開始跌倒，跌倒在地到又站立起來這一系列的過程。因此，本文的研究方法是有效可行的[1]。

2誤差分析

為了進(jìn)一步研究跌倒時刻實驗者的真實運動軌跡和預(yù)測運動軌跡的誤差閾值，我們選取了3位實驗者分別采取了快速向前跌倒，快速向后跌倒，快速側(cè)倒，緩慢向前跌倒，緩慢向后跌倒，緩慢側(cè)倒等姿勢進(jìn)行了大量模擬實驗，獲取的運動軌跡數(shù)據(jù)進(jìn)行處理后，得到了誤差和幀數(shù)之間的變化曲線，如圖3所示

圖3展示的是3位實驗者以不同的姿勢從正常行走到發(fā)生跌倒時的誤差曲線圖，從圖中可以發(fā)現(xiàn)在100幀之前誤差在0附近上下波動，波動范圍在-0.2-0.6之間，參照圖3的質(zhì)心運動軌跡圖可知，這段時間實驗者在正常行走，屬于正常波動范圍，在第100幀左右時誤差值突然達(dá)到了0.8，這是因為kalman濾波預(yù)測是根據(jù)上一幀數(shù)據(jù)來預(yù)測下一幀數(shù)據(jù)，而在當(dāng)前幀時實驗者發(fā)生了跌倒，導(dǎo)致實際質(zhì)心位置和預(yù)測質(zhì)心位置發(fā)生大的偏差，過了當(dāng)前幀，實際質(zhì)心軌跡和預(yù)測質(zhì)心軌跡又回到了正常閾值范圍，當(dāng)實驗者從跌倒在地到站立起來這個過程中，同樣在117幀左右的位置誤差超出了正常閾值范圍。通過實驗證明我們的誤差閾值范圍大于0.6時，我們可判斷老人發(fā)生可跌倒[2]。

3實驗結(jié)果與分析

為了驗證檢測系統(tǒng)的有效性，實驗設(shè)置了6個實驗場景，分別為快速向前跌倒，快速向后跌倒，快速側(cè)面跌倒，緩慢向前跌倒，緩慢向后跌倒，緩慢側(cè)面跌倒，實驗者為3位。每個人在不同的場景中做了10次跌倒實驗，在不同場景中的跌倒檢測率如表1所示。

通過表1的檢測率可以發(fā)現(xiàn)，當(dāng)實驗者快速跌倒時的檢測率明顯高于緩慢跌倒的檢測率，這是因為kalman濾波在對實驗者的質(zhì)心軌跡跟蹤預(yù)測時由于相鄰兩幀之間的質(zhì)心Y軸方向位移變化過于緩慢，系統(tǒng)有可能認(rèn)為老人在慢慢蹲下，不屬于跌倒行為，當(dāng)我們把誤差閾值稍微擴大一點就會發(fā)現(xiàn)緩慢跌倒時的檢測率明顯上升了，為了進(jìn)一步研究老人緩慢跌倒的決定因素，文章下一步將會研究kalman增益的變化情況，通過研究增益曲線來是檢測率盡可能提升[3]。

4結(jié)束語

本文把kalman濾波應(yīng)用到跌倒檢測中，通過實驗者運動軌跡質(zhì)心點預(yù)測值與實際值之間的誤差來判斷老人是否發(fā)生跌倒，能夠?qū)崟r的對老人的行為進(jìn)行監(jiān)控，很大程度上克服了傳統(tǒng)跌倒檢測方法對依賴傳感器的束縛，實驗表明，本文檢測方法能夠準(zhǔn)確計算出老人在空間坐標(biāo)系中的坐標(biāo)，并且用kalman濾波能迅速有效的跟蹤預(yù)測老人的行為，最大限度地避免老人因跌倒造成不可挽回的損失，為了更加有效的檢測跌倒，下一步將會融合骨骼傳感技術(shù)，實現(xiàn)24小時無間斷的監(jiān)測

參考文獻(xiàn)

[1] 吳瓊.中國人口老齡化背景下的城市老年人社會支持網(wǎng)研究[D]. 大連：東北財經(jīng)大學(xué)，2011.

[2] Noury N，F(xiàn)leury A，Rumeau P，et al. Fall detection - Principles and Methods[C].International Conference of the IEEE Engineering in Medicine & Biology Society. Conf Proc IEEE Eng Med Biol Soc，2007：1663.

[3] 蔡靖，樊毅堯，董子健，等.基于穿戴式平臺的老人摔倒監(jiān)測系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng)，2017，36（7）：130-133.

作者簡介

李文陽（1991-），男 ，湖北人;畢業(yè)院校：湖北工程職業(yè)學(xué)院，專業(yè)：計算機，學(xué)歷：研究生，職稱：講師，現(xiàn)就職單位：湖北工程職業(yè)學(xué)院，研究方向：通信。