基于機器學(xué)習(xí)算法的摔倒檢測和日常行為識別研究.pdf

1、隨著人口老齡化現(xiàn)象的不斷加劇，同時由于家庭和社會的諸多因素，越來越多的老年人不得不選擇獨居，社會因此給這類人群下了一個新的定義，稱作“空巢老人”，指的是那些沒有子女照顧、單獨居住的老年群體?；谝陨锨闆r，日常生活中的摔倒事件逐漸變成威脅老年人生命的重要因素之一。這是老年人必須接受的、不得不面對的事實，更是整個社會需要警醒的、急需幫助老年人解決的問題。使用傳感器似乎可以幫助老人檢測到這類問題，但“摔倒”是一剎那的動作，非加速度傳感器幾乎捕

2、捉不到；同時，該行為非常容易和其他動作混淆，造成錯判。本文綜合考慮“摔倒”特性和機器學(xué)習(xí)算法的配合，對摔倒檢測和行為識別同時作了研究，為老人的日常行為做全方位的把控。
　　本文使用三種已有的機器學(xué)習(xí)算法，針對由可穿戴傳感器采集的用戶日常行為數(shù)據(jù)，進(jìn)行試探性的訓(xùn)練和測試。三類機器學(xué)習(xí)算法分別是支持向量機、后向傳播神經(jīng)網(wǎng)絡(luò)和隱藏馬爾可夫模型，用戶日常行為數(shù)據(jù)共有11類，包括走路、摔倒、坐下、躺下、坐著、躺著等姿勢。針對三類方法得到的不

3、同分類結(jié)果，從準(zhǔn)確度、運行速度、時間復(fù)雜度等角度進(jìn)行精準(zhǔn)分析，并對其低準(zhǔn)確度作了進(jìn)一步研究。
　　通過低準(zhǔn)確度分析，本文提出了一種新的學(xué)習(xí)方法，可以對連續(xù)的數(shù)據(jù)集進(jìn)行精準(zhǔn)分類。主要的思想是結(jié)合兩類已有的機器學(xué)習(xí)算法，通過首輪的訓(xùn)練得到第一批結(jié)果，通過分析結(jié)果判斷輸出狀態(tài)中相互混淆的分類，從而將混淆分類劃到不同組別分別處理，即進(jìn)入第二輪訓(xùn)練。實驗證明，新的學(xué)習(xí)方法，較之已有的三類學(xué)習(xí)算法，能夠極大地提高摔倒檢測和人類日常行為的識別精