基于支持向量机的跌倒检测算法研究

• 作者: 姜萍萍 裴利然 颜国正
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 跌倒检测 惯性传感器 机器学习 支持向量机 粒子群优化 径向基函数
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 182-187
• 页数: 6页
• 分类号: TP212.9
• 字数: 2940字
• 语种: 中文
• DOI: 10.3788/OPE.20172501.0182

摘要

实时跌倒检测能有效降低老人因跌倒导致的身心伤害,提高老人的独居能力和健康水平.为提高基于惯性传感器的跌倒检测系统的准确率,降低系统误报率和漏报率,提出了应用基于径向基函数的支持向量机算法实现跌倒判定.首先,应用佩戴在人体腰间的便携式跌倒检测系统完成数据的采集;然后,利用基于径向基函数(RBF)的SVM分类器标记疑似跌倒行为,并利用粒子群算法完成分类算法中惩罚因子C和RBF参数g的优化.结果表明,在区分跌倒与类似跌倒的日常活动时,基于SVM算法的跌倒检测系统准确率、误报率和漏报率分别为97.67％,4.0％和0.67％.与传统的阈值方法相比,跌倒检测性能有很大提高,从而加强了该系统在老人跌倒检测中的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜国正	上海交通大学电子信息与电气工程学院	340	4219	33.0	49.0
2	姜萍萍	上海交通大学电子信息与电气工程学院	47	341	10.0	16.0
3	裴利然	上海交通大学电子信息与电气工程学院	1	28	1.0	1.0