Étape 2: Algorithme de détection de chute
Dans la perspective de commercialisation qui entoure souvent santé questions connexes, il y a des recherches sur la scène académique autour de détection de chute pour les personnes âgées. La majorité de cette recherche est axée sur la conception de nouveaux algorithmes plus efficaces permettant de distinguer les chutes de non-falls. Chercheurs dans ce domaine utilisent généralement un ou deux capteurs permettant d’extraire des données, développer et tester leurs algorithmes. La première approche utilise les accéléromètres pour détecter l’accélération dans un certain axe. Lors du contrôle d’une grande accélération d’un accéléromètre trois axes, plus ils cherchent souvent au vecteur au lieu de chacun des axes séparément. Une autre approche utilise l’accéléromètre et gyroscope pour mesurer l’accélération et l’orientation du changement et sont plus précis par rapport à une première.
Mon algorithme est basé sur le concept que lors d’une chute, une personne éprouve une chute momentanée ou une réduction en accélération, suivie d’un gros pic de l’accélération, puis un changement d’orientation. L’organigramme de l’algorithme est donné ci-dessous. Nous voyons que l’algorithme vérifie si l’ampleur de l’accélération (AM) casse un seuil plus bas. Si ce seuil est cassé, l’algorithme vérifie alors si suis pauses un seuil supérieur à 0,5 s. Si ce seuil supérieur est cassé, l’algorithme vérifie pour voir si l’orientation de la personne a changé dans un intervalle défini au sein de 0,5 s, qui indiquerait une personne a chuté ou basculé. Si l’orientation de la personne a changé, l’algorithme examine ensuite pour voir si cette orientation reste après 10 s, ce qui indiquerait que la personne est immobilisée en position tombée sur le sol. Si c’est le cas, l’algorithme reconnaît comme une chute. Une défaillance de le quelconque des conditions décision intermédiaire serait réinitialiser les déclencheurs et vous renverra au début. La force de cet algorithme est qu’il nécessite une activité pour briser les deux seuils de AM et avoir un changement d’orientation. Idéalement ce seuil inférieur supplémentaire permettrait de réduire le nombre de faux positifs. La faiblesse de cet algorithme est qu’il exige la chute d’impliquer un changement d’orientation.