基于多傳感融合的老人跌倒檢測算法研究.pdf

1、隨著老齡化的加劇，以及空巢家庭的增多，老人的意外跌倒也隨之增多。而及時對跌倒的老人進行救助，可有效地降低因跌倒引起的傷殘率與死亡率。因此，老人跌倒檢測系統(tǒng)以及跌倒檢測算法成為研究熱點，通過現(xiàn)代科學技術(shù)來檢測跌倒行為，盡可能地降低老年人因跌倒帶來的傷害。
　　穿戴式的跌倒檢測系統(tǒng)具有不限制于室內(nèi)、不受周邊環(huán)境干擾、方便攜帶等特點，能較好地滿足老人跌倒檢測系統(tǒng)的需求。本文針對基于穿戴式系統(tǒng)中的跌倒檢測算法進行相關(guān)研究，主要工作如下:<

2、br>　　1.在基于加速度與姿態(tài)角閩值的跌倒檢測算法的基礎(chǔ)上，針對誤判率較高的問題，本文在生物醫(yī)學領(lǐng)域步態(tài)分析的啟發(fā)下，將足底壓力與加速度、姿態(tài)角信息相結(jié)合，提出了基于多行為特征融合的跌倒檢測算法。該算法首先對人體加速度與姿態(tài)角進行判定，若均超過閾值，再對足底壓力進行閾值判定，構(gòu)建足底壓力矩陣并進行計算。若兩個矩陣都為零，則判定為跌倒，其余情況均判定為不跌倒。算法中加速度、姿態(tài)角、足底壓力的閾值通過粒子群算法進行確定。通過仿真實驗證明，

3、該算法對彎腰、下蹲行為的漏報率較低，對跌倒的識別正確率較高。
　　2.針對基于閾值的跌倒檢測算法對閾值的依賴性較大且個體行為差異對閾值選取影響較大的問題，提出了基于支持向量機的跌倒檢測算法。該算法首先對原始獲取的行為數(shù)據(jù)進行特征處理，轉(zhuǎn)化為18維的行為特征向量。利用k折交叉驗證選取算法中的最優(yōu)參數(shù)，并用此最優(yōu)參數(shù)對行為特征進行訓(xùn)練。用訓(xùn)練得到的模型對行為測試集進行類別檢測，以獲得該行為特征標簽來識別跌倒行為。通過仿真實驗，有效檢測

4、出跌倒行為，驗證了該算法的可靠性。
　　3.針對上述的檢測效果更優(yōu)的SFDA跌倒檢測算法，設(shè)計了基于云的跌倒檢測系統(tǒng)。該系統(tǒng)主要由穿戴設(shè)備與云服務(wù)器部分組成，穿戴設(shè)備的足部模塊、胸部模塊以及GPRS傳輸模塊將采集的人體行為數(shù)據(jù)上傳至云端，云端以LNMP(Linux+Nginx+MySQL+PHP)為基礎(chǔ)運行環(huán)境，對上傳的行為數(shù)據(jù)進行JSON解析、SFDA算法的檢測與訓(xùn)練、數(shù)據(jù)存儲等一系列后臺處理以及在前端進行顯示。測試實驗結(jié)果表明