基于SVM_KNN的老人跌倒检测算法

• 作者: 刘守印 吴科艳 张舒雅 黄炎子
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 跌倒检测 SVM KNN SVM_KNN Matlab
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 模式识别
• 页码范围: 49-55
• 页数: 7页
• 分类号: TP18
• 字数: 4653字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.12.010

摘要

跌倒是老年人伤害和死亡的主要诱因之一,我国每年约有4000万65岁以上的老人意外跌倒.本文基于智能手机的加速度、气压计等传感器提出一种人体跌倒检测算法.该算法首先采用支持向量机(SVM)对训练集进行训练,得到一个弱二分类器(包含最优超平面和支持向量集),然后计算待测样本到最优超平面的距离.若该距离大于设定的间隔,直接采用SVM分类;否则,利用支持向量集作为有标签的训练集进行K近邻分类(KNN).考虑到特征值的多维性,本文引入标准化欧氏距离替代传统的欧氏距离.仿真与实验结果显示,与传统的支持向量机算法相比,该算法能有效提高跌倒检测的准确率,且不受智能手机放置位置的限制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘守印	华中师范大学物理科学与技术学院	61	435	9.0	19.0
2	黄炎子	华中师范大学物理科学与技术学院	6	18	2.0	4.0
3	吴科艳	华中师范大学物理科学与技术学院	2	14	2.0	2.0
4	张舒雅	华中师范大学物理科学与技术学院	2	14	2.0	2.0