面向跌倒檢測的多特征融合方法研究.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、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?？纱┐魇接嬎闩c人體傳感器網(wǎng)絡(luò)技術(shù)的不斷成熟，通過科學(xué)的手段識別老年人跌倒成為國內(nèi)外研究的新熱點。這一技術(shù)不僅在理論研究方面具有較高的意義，而且在實際應(yīng)用方面的價值也非常大。
　　目前，國內(nèi)外研究的跌倒檢測技術(shù)是指跌倒著地后的識別，通過鳴笛或發(fā)送求助信息等減少跌倒帶來的二次傷害。而人體摔倒前的跌倒預(yù)警問題研究尚起步，它

2、不同于以往的跌倒檢測，能在人體著地前發(fā)出預(yù)警并采取相應(yīng)的措施,比如迅速彈出安全氣囊等，最大程度保護(hù)人體不受傷害。
　　跌倒識別問題的研究主要分為四大部分，跌倒模型的建立、實驗方案設(shè)計、原始數(shù)據(jù)的處理及判別算法的應(yīng)用。選擇人體運動過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)、決策樹等算法實現(xiàn)跌倒檢測或預(yù)警。跌倒檢測實質(zhì)上是簡單的二分類問題，我們主要目標(biāo)是區(qū)分一個活動屬于跌倒還是日常行為活動。閾值法思想比較直觀，算法

3、實現(xiàn)相對容易，是最普遍的研究方法。由于目前尚無確定的模型，閾值的大小大多基于經(jīng)驗判斷或統(tǒng)計實驗結(jié)果得出，它的不足是閾值的設(shè)定對識別結(jié)果影響很大，穩(wěn)定性較差。模式識別的方法針對大樣本分類有很大的優(yōu)勢，然而在實際研究中，難以獲取大量真實跌倒數(shù)據(jù)，大都基于小樣本的研究。支持向量機(jī)對于解決較小樣本和非線性模式識別等問題都具有一定的優(yōu)勢。
　　本文致力于通過基于支持向量機(jī)的運動特征加權(quán)方法實現(xiàn)跌倒檢測。首先，論文分析九軸慣性傳感器的輸出數(shù)據(jù)

4、，選擇并提取了區(qū)分跌倒與日常行為活動的特征量，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的虛擬樣本；然后，通過特征加權(quán)核函數(shù)實現(xiàn)加速度及角速度特征的加權(quán)融合；最后，建立了基于構(gòu)造樣本集的跌倒識別模型，驗證算法泛化性能。
　　實驗結(jié)果表明：最佳傳感器節(jié)點佩戴位置位于人體的腰側(cè)，在支持向量機(jī)跌倒識別模型中，多項式核函數(shù)表現(xiàn)了優(yōu)異的特性，同時基于支持向量機(jī)的運動特征加權(quán)能有效區(qū)分跌倒與日常行為活動，同時表現(xiàn)出較好的泛化性能