基于RBF神经网络的跌倒检测算法研究

• 作者: 丁国强 娄泰山 李栋豪 焦玉召 王晓雷 赵红梅 郑晓婉
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 跌倒检测算法 惯性传感器 运动特征 RBF神经网络分类器
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 185-191
• 页数: 7页
• 分类号: TN966|V249.32
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902278

摘要

针对现有跌倒检测方法动作识别效率低、适应性差等问题,提出基于RBF神经网络的跌倒检测方法,通过径向基函数(RBF)判别人体是否处于跌倒状态.分析了人体跌倒和其他日常行为运动特征,对人体的日常行为动作进行分类.利用惯性传感器采集人体运动加速度和角速度,以加速度和角速度组合为运动特征向量,采用RBF神经网络进行训练,构建RBF函数分类器,对人体动作行为进行判别,从而识别人体跌倒状态.实验将人体运动行为分为正常行走、跑步、上下楼梯、前向跌倒、侧向跌倒5类,训练样本采用1 500例,测试样本500例,其中每类动作各包含100例测试样本.结果 表明,当RBF模型隐含层数为350时,5类动作的准确率均可达到80％以上,且跌倒检测平均准确率为96％.因此基于RBF神经网络分类的跌倒检测算法能够准确地检测人体跌倒行为.