本文主要讲解一种利用加速度计和陀螺仪的准确快速摔倒检测系统。把人体的行为分成两类：static postures 和 dynamic transitions. 该系统可以识别四种static postures: standing, bending, sitting, and lying. 其中在这些static postures之间的运动看做是dynamic transitions. linear acceleration and angular velocity are measured to determine whether motion transitions are intentional. If the transition before a lying posture is not intentional, a fall event is detected.该文章的算法，降低了假阳性和假阴性，改善了摔倒检测的准确性。同时也降低了计算量和提高了实时响应。
前人的工作中大多只用了加速度计进行信息的获取和摔倒检测。对于一些特殊的情况，无法准确检测，如快速坐下。且准确率不高。为了改善人体行动识别准确率，一些人编写了复杂的推断算法例如隐马尔科夫模型（HMM）去分析加速度信息。（paper: R.K.Gabti, "SATIRE: A software architecture for smart attire"）, 这种方法的缺点是1、使用了过多的计算资源。2、不能满足实时性要求。3、摔倒活动模式较困难获取用于训练这个系统（fall activity patterns are particularly difficult to obtain for training such systems）。-------注：此种方法结合《基于时间序列的HMM摔倒检测》论文一起看，关于摔倒预测的分析等。
Bourke安置三轴加速度传感器在躯干和大腿上，并且得到四个阈值，在大腿和躯*位设置的较高的和较低的阈值。超过四个中的任何一个叫表明摔倒的发生。这种方法的问题是在日常生活中的突然坐下和跳起也会引起很大的垂直加速度值。因此只使用加速度计检测摔倒引起许多假阳性。(A.K.Bourke "Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm")。Bourke开发了一种基于阈值的摔倒检测算法，使用双轴陀螺仪传感器。他们把陀螺仪安置在胸部，测量角速度，和角加速度去检测摔倒。
METHODOLOGY
1、数据获取
选择使用TEMPO3.0传感器，测量加速度和角速度来检测摔倒的发生。TEMPO3.0传感器包括一个三轴加速度计和一个三轴陀螺仪。三轴加速度计采用飞思卡尔半导体公司的MMA7261QT芯片，它能监测在+-10g内的加速度。三轴陀螺仪是由InvenSensce IDG-300双轴陀螺仪和一个AD公司ADXRS300 z轴陀螺仪。其中IDE-300能测量角速度范围在+-500°/s之间，ADXRS300能测量角速度范围在+-300°/s之间。
考虑到在大腿和躯干之间大多数的姿态有不同的角度，因此传感器的节点设置在胸部（节点A）和大腿（节点B）。