Paso 2: Algoritmo de detección de caída
![]()
![]()
![]()
Con la perspectiva de la comercialización que a menudo rodea salud temas relacionados, hay investigación substancial en el ámbito académico alrededor de detección de caída de la tercera edad. La mayoría de esta investigación se centra en el diseño de nuevos algoritmos más acertados para distinguir las caídas de las cataratas no. Investigadores en esta área normalmente utilizan uno o dos sensores con los que extraer los datos, desarrollar y probar sus algoritmos. El primer enfoque utiliza acelerómetros para detectar la aceleración a lo largo de un cierto eje. Cuando se supervisa una gran aceleración de un acelerómetro de tres ejes, más a menudo se ven en el vector de magnitud y no en cada uno de los ejes por separado. Otro enfoque usa acelerómetro y giroscopio para medir el cambio de orientación y aceleración y es más precisa en comparación con primera.
![]()
Mi algoritmo se basa en el concepto que durante una caída, una persona experimenta una reducción en la aceleración, seguida por un alza grande en aceleración, entonces un cambio de orientación o momentánea caída libre. El diagrama de flujo algoritmo se da abajo. Podemos ver que el algoritmo comprueba si la magnitud de la aceleración (AM) rompe un umbral inferior establecido. Si este umbral inferior se rompe, el algoritmo a continuación, comprueba a ver si se rompe un umbral superior fijado dentro de 0.5s. Si este umbral superior se rompe, el algoritmo luego comprueba si ha cambiado la orientación de la persona en un rango determinado dentro de 0.5s, que indicaría una persona ha caído o derribados. Si ha cambiado la orientación de la persona, el algoritmo a continuación examina para ver si esta orientación sigue siendo después de 10s, lo que indicaría que la persona es inmovilizada en su posición de caído en el suelo. Si esto ocurre, el algoritmo reconoce esto como una caída. Una falla en cualquiera de las condiciones de decisión intermedia sería restablecer los gatillos y enviar que copia al inicio. La fuerza de este algoritmo es que requiere una actividad para romper dos umbrales de AM y tiene un cambio de orientación. Idealmente este umbral inferior adicional reduciría el número de falsos positivos. La debilidad de este algoritmo es que requiere la caída para implicar un cambio de orientación.
