基于加速度时域特征和Adaboost-SVM级联分类器的跌倒检测研究

• 作者: 杨鹏 王喜太 田一明 耿艳利
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 跌倒检测 模式识别 集成学习 Adaboost级联算法 时域特征
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 物理与电子信息科学
• 页码范围: 93-99
• 页数: 7页
• 分类号: TP181
• 字数: 6553字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2018.01.020

摘要

为了提高对跌倒检测的准确性和可靠性,提出了一种基于三轴加速度时域特征和AdaboostSVM级联分类器的跌倒检测方法.首先,利用滑动窗口法提取加速度信号的时域特征作为唯一特征向量,以提高系统检测的实时性;然后,对传统Adaboost算法的样本初始权值部分进行改进,使分类器学习到更多跌倒样本的信息,从而增强系统对跌倒的识别能力;最后,针对日常活动动作类(ADL)的数目远多于跌倒类而导致的数据集不平衡问题,构建了用于跌倒检测的Adaboost-SVM级联分类器,根据级联结构中每个Adaboost分类器所包含的弱分类器数量自动决定是否由SVM替换Adaboost分类器.利用UCI数据库中人体运动数据集进行了实验,结果表明:文中所提方法具有最高的跌倒检测率以及较为优秀的误报警率和准确率,并且证明了放置于胸部和腰部的加速度计能够对跌倒检测产生较好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鹏	河北工业大学控制科学与工程学院	162	1021	16.0	23.0
2	耿艳利	河北工业大学控制科学与工程学院	18	184	7.0	13.0
3	王喜太	河北工业大学控制科学与工程学院	7	27	2.0	5.0
5	田一明	河北工业大学控制科学与工程学院	5	9	2.0	2.0