基于阈值与PSO-SVM的人体跌倒检测研究

• 作者: 孙子文 孙晓雯 秦昉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 跌倒检测 加速度传感器 阈值检测 模式识别 粒子群优化 支持向量机
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 317-321
• 页数: 5页
• 分类号: TP391.41
• 字数: 4098字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.05.056

摘要

为提高人体跌倒检测精确度,提出一种基于智能手机加速度传感器的人体跌倒检测算法.通过智能手机获取人体运动加速度信息,采用阈值分类与模式识别分类相结合的算法进行跌倒检测.通过阈值检测实现人体行为跌倒状态的初步判定,判断是否为疑似跌倒行为.由模式识别方法进一步实现对疑似跌倒行为的精确分类,提取倾角和斜率作为人体跌倒分类特征,利用粒子群优化参数的支持向量机分类器从疑似跌倒行为中识别跌倒行为.仿真实验结果显示,与未优化的支持向量机方法以及加速度阈值方法相比,该算法能有效提高人体跌倒检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦昉	江南大学物联网工程学院	57	447	12.0	19.0
2	孙子文	江南大学物联网工程学院	79	462	10.0	18.0
3	孙晓雯	江南大学物联网工程学院	4	50	3.0	4.0