老人跌倒預測系統(tǒng)的研究.pdf

1、當今世界面臨著嚴重的人口老齡化問題，老人由于身體機能下降、平衡協調能力減弱和視力變差等生理原因，容易發(fā)生跌倒。跌倒預測系統(tǒng)可以及時檢測跌倒并進行報警，可以減少老人跌倒后等待救助的時間，降低跌倒對人體造成的傷害，減少因跌倒產生的醫(yī)療開支，增強老年人獨立生活的信心。本文在對當前跌倒檢測方法進行總結分析的基礎上，采用基于穿戴式設備的方法進行跌倒預測研究。課題的創(chuàng)新點在于結合加速度特征和姿態(tài)角特征，同時采用機器學習算法中的支持向量機算法作為分類

2、算法研究跌倒預測，即在人體跌倒碰撞地面前進行跌倒的預判。本文將跌倒預測問題作為一個二分類問題來處理，建立跌倒預測分類模型，實現了跌倒預測和跌倒遠程報警，并對跌倒保護裝置進行了探討。
　　本文首先綜述了不同的跌倒預測算法，確定支持向量機算法作為分類算法，闡述了支持向量機的理論原理，說明了實現支持向量機算法的過程及參數尋優(yōu)方法。然后將傳感器設備穿戴在人體腰部，建立人體三維坐標系，采集3軸加速度、3軸角速度和3軸磁場數據。定義了4種跌倒

3、行為和10種日?；顒有袨橐约凹铀俣群徒撬俣冉y(tǒng)計量，分析不同行為過程的加速度特征、角速度特征和姿態(tài)角特征，發(fā)現采用這些特征進行跌倒預測具有很強的可行性。在特征分析的基礎上，進行特征提取，根據加速度和角速度統(tǒng)計量的變化規(guī)律，在時域中提取4個加速度特征和4個角速度特征，在捷聯慣導系統(tǒng)中解算姿態(tài)角，提取姿態(tài)角特征，將提取的9個特征組成特征向量。接著對提取的9個特征進行特征選擇，采集跌倒行為樣本和日常活動行為樣本組成訓練樣本集和測試樣本集，對樣本

4、采集過程中的變量進行討論，分別采用序列前向選擇方法和序列后向選擇方法進行特征選擇，綜合兩種方法得到最優(yōu)特征組合，最優(yōu)特征組合包含3個特征，最終得到最優(yōu)跌倒預測分類模型，最優(yōu)跌倒預測分類模型對應的跌倒行為檢測率為100％，日?；顒有袨闄z測率為100%，平均前置時間為291ms，證明了本文提出的跌倒預測算法的有效性和可行性。最后對跌倒遠程報警及跌倒保護裝置進行了研究，采用SIM900A模塊實現跌倒遠程短信報警，將一款手動充氣氣囊裝置改造成自

5、動充氣氣囊裝置，設計了2種不同的連桿機構連接舵機和氣囊裝置，并通過實驗選擇實際耗時較少的連桿機構，發(fā)現從檢測到跌倒到打開壓縮氣瓶最少耗時約為133ms，在目前的最優(yōu)跌倒預測分類模型下，留給氣囊的充氣時間只有約158ms，而在現有的壓縮氣瓶條件下，氣體完全釋放所需的時間約為452ms，所以計算了在滿足158ms充氣時間條件下的氣瓶規(guī)格，然后在現有氣瓶條件下，通過實驗對跌倒保護裝置進行了整體測試，實驗結果表明跌倒保護裝置可以在跌倒碰撞地面前