基于Android平臺(tái)的跌倒檢測(cè)算法研究及實(shí)現(xiàn).pdf

1、隨著全球人口老齡化程度的持續(xù)加劇,人體跌倒檢測(cè)、預(yù)警與防護(hù)等技術(shù)，成為預(yù)防老人意外跌倒傷害和提升生活品質(zhì)的重要保證。智能手機(jī)功能的不斷增強(qiáng)，可穿戴式計(jì)算與人體傳感器網(wǎng)絡(luò)技術(shù)的不斷成熟，利用這些設(shè)備通過(guò)科學(xué)的手段識(shí)別老年人跌倒成為國(guó)內(nèi)外研究的新熱點(diǎn)。這一技術(shù)不僅在理論研究方面具有較高的意義，而且在實(shí)際應(yīng)用方面的價(jià)值也非常大。
　　跌倒識(shí)別問(wèn)題的研究主要分為四大部分，跌倒模型的建立、實(shí)驗(yàn)方案設(shè)計(jì)、原始數(shù)據(jù)的處理及判別算法的應(yīng)用。選擇人

2、體運(yùn)動(dòng)過(guò)程中的加速度和角速度作為主要的特征量，結(jié)合閾值法、支持向量機(jī)、決策樹(shù)等算法實(shí)現(xiàn)跌倒檢測(cè)。跌倒檢測(cè)實(shí)質(zhì)上是簡(jiǎn)單的二分類問(wèn)題，主要目標(biāo)是區(qū)分一個(gè)活動(dòng)屬于跌倒還是日常行為活動(dòng)。閾值法思想比較直觀，算法實(shí)現(xiàn)相對(duì)容易，是最普遍的研究方法。由于目前尚無(wú)確定的模型，閾值的大小大多基于經(jīng)驗(yàn)判斷或統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果得出，它的不足是閾值的設(shè)定對(duì)識(shí)別結(jié)果影響很大，穩(wěn)定性較差。模式識(shí)別的方法針對(duì)大樣本分類有很大的優(yōu)勢(shì)，然而在實(shí)際研究中，難以獲取大量真實(shí)跌倒數(shù)

3、據(jù)，大都基于小樣本的研究。支持向量機(jī)對(duì)于解決較小樣本和非線性模式識(shí)別等問(wèn)題都具有一定的優(yōu)勢(shì)。
　　本文致力于通過(guò)基于支持向量機(jī)的運(yùn)動(dòng)特征加權(quán)方法實(shí)現(xiàn)跌倒檢測(cè)。首先，論文分析智能手機(jī)傳感器的輸出數(shù)據(jù)，選擇并提取了區(qū)分跌倒與日常行為活動(dòng)的特征量，并針對(duì)樣本量少的問(wèn)題，在特征樣本基礎(chǔ)上利用高斯分布原則構(gòu)造了跌倒與日常行為活動(dòng)的虛擬樣本；其次，改進(jìn)特征融合的方式，采用特征加權(quán)核函數(shù)實(shí)現(xiàn)加速度及角速度特征的加權(quán)融合，構(gòu)建基于支持向量機(jī)的跌倒