基于Android平臺的跌倒檢測算法研究及實現(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、預(yù)警與防護等技術(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。智能手機功能的不斷增強，可穿戴式計算與人體傳感器網(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。
　　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

2、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、決策樹等算法實現(xiàn)跌倒檢測。跌倒檢測實質(zhì)上是簡單的二分類問題，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)

3、據(jù)，大都基于小樣本的研究。支持向量機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的運動特征加權(quán)方法實現(xiàn)跌倒檢測。首先，論文分析智能手機傳感器的輸出數(shù)據(jù)，選擇并提取了區(qū)分跌倒與日常行為活動的特征量，并針對樣本量少的問題，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的虛擬樣本；其次，改進特征融合的方式，采用特征加權(quán)核函數(shù)實現(xiàn)加速度及角速度特征的加權(quán)融合，構(gòu)建基于支持向量機的跌倒