基于人体姿态的P SO-SVM特征向量跌倒检测方法

• 作者: 吴作鹏 王小鹏 麻文刚
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 跌倒检测 人体姿态 传感器节点 特征向量 支持向量机 粒子群
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 1504-1511
• 页数: 8页
• 分类号: TN991.7
• 字数: 4128字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2017.10.009

摘要

在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判.为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法.首先通过MEMS加速度传感器节点采集人体姿态数据,并利用共轭梯度法对采集的数据进行优化处理,降低非线性误差;然后,利用支持向量机SVM(Support Vector Machine)分类器检测跌倒行为,并通过粒子群PSO(Particle Swarm Optimization)算法对SVM参数进行优化,获得最佳分类模型,根据SVM分类模型对采集的姿态数据进行分析,判断是否跌倒;最后根据人体姿态角,构建融合人体姿态角的PSO-SVM特征向量,检测跌倒过程的具体信息.实验结果表明:该检测方法取得95.5%的识别率,能够较好地区分其他非跌倒性动作,检测精度较其他方法较高,均方根误差较小,有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小鹏	兰州交通大学电子与信息工程学院	119	812	15.0	22.0
2	麻文刚	兰州交通大学电子与信息工程学院	10	26	3.0	4.0
3	吴作鹏	兰州交通大学电子与信息工程学院	3	11	2.0	3.0