基于特征自动提取的跌倒检测算法

• 作者: 秦建邦 胡双杰 郭薇
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 跌倒检测 自动特征提取 深度学习 长短期记忆
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 1842-1847
• 页数: 6页
• 分类号: TP212.9
• 字数: 5663字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.012.011

摘要

跌倒是导致老年人受伤甚至死亡的主要原因.准确及时的跌倒检测系统可以帮助跌倒者获得紧急救援.目前基于传感器的跌倒检测方法主要利用人工设计提取的信号特征来区分跌倒和非跌倒运动,但人工提取的特征往往会限制算法的精确度,增大算法时延.为提高跌倒检测的精确度和实时性,本文提出了一种基于深度学习的跌倒检测算法.该算法可以自动提取数据特征,实现从原始数据到检测结果的端到端的处理.算法模型主要由两层级联的长短期记忆LSTM(Long Short-Term Memory)循环神经网络组成,通过神经网络提取加速度计和陀螺仪数据内部的特征,并判断是否有跌倒状况发生.本文使用两个公开数据集MobiAct和SisFall对算法性能进行评估.实验结果显示,算法在两个数据集都达到了较高的精确度(99.58％以上)和较低的时延(2.2 ms以内).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭薇	上海交通大学区域光纤通信网与新型光通信系统国家重点实验室	22	42	4.0	5.0
2	胡双杰	上海交通大学区域光纤通信网与新型光通信系统国家重点实验室	1	2	1.0	1.0
3	秦建邦	上海交通大学区域光纤通信网与新型光通信系统国家重点实验室	1	2	1.0	1.0