基于STM32芯片与MPU6050运动传感器对人体姿态检测与跌倒判定的研究与实现

来源 :中国医学装备大会暨2021医学装备展览会 | 被引量 : 0次 | 上传用户:qncy1235i
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的:随着全球老龄化社会的加剧,越来越多的老人由于身体机能下降,平衡力减弱,视力变差等问题,容易发生跌倒受伤甚至死亡.跌倒已成为老年人发病和死亡的重要直接和间接原因之一.如果在日常生活中,人们发生跌倒能够及时发现,就能避免更严重的后果. 方法:本文采用基于STM32芯片的MPU6050运动传感器对人体姿态采集数据,把3轴加速度与三轴角速度传至上位机,同时上传MPU6050内置DMP计算的欧拉角,上位机下载数据后保存为.csv(Excel)格式,导入MATLAB进行数据分析,计算不同情况下的姿态特征值SVM,CV,z轴倾角,对比分析,以确定跌倒状态下的SVM阈值,CV阈值,z轴倾角阈值,同时达到3项阈值即可判定为跌倒,并发送报警指令. 结果:实验结果表明这此算法可行性和可靠性较高,对跌倒检测正确率接近100%,且在较为复杂的情况下具有鲁棒性. 结论:利用SVM算法结合CV与z轴倾角分析姿态数据可以帮助人体的姿态检测和跌倒判定.
其他文献
基线漂移(BW)是一种由于人体呼吸、肌肉收缩、电极与接触面接触不稳定等原因所产生的噪声,常对心电图(ECG)设备的信号采集造成干扰.为了更好的去除ECG检测设备在采集ECG信号的过程中所产生的基线漂移(BW)噪声,该文提出一种基于经验模态分解联合小波阈值(EMD-WT)的方法来去除BW噪声,该方法可根据经验模态分解(EMD)获得的固有模态分量组(IMFs)来自适应确定噪声主导的IMFs分量,再结合
构建基于Python 平台的医疗设备信息管理系统.应用Python 平台的图形用户界面tkinter 模块构建了医疗设备信息管理系统的人机交互界面,具备设备的录入、查询、修改等功能.系统提供基于光学字符识别(OCR)技术的设备铭牌图片转文字录入和手动文字录入两种信息录入方式,既能提高工作效率又能保证录入的准确性.所有数据信息存储于基于MySQL 服务器设计的医疗设备管理数据库中.该系统的设计可以提