基于极限学习机快速分类的人体跌倒检测方法

• 作者: 张吉涛 张庆芳 曹玲芝 李栋豪 王晓雷 郑晓婉 闫双建
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 惯性测量单元 极限学习机 姿态解算 快速分类 跌倒状态
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 论文
• 页码范围: 258-264
• 页数: 7页
• 分类号: TP273.6
• 字数: 3779字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2019.20.038

摘要

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法.分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数.进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类.当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96.45％,灵敏度为97.32％,特异性为89.32％.因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹玲芝	郑州轻工业大学电气信息工程学院	68	558	13.0	21.0
2	王晓雷	郑州轻工业大学电气信息工程学院	11	17	2.0	3.0
3	张吉涛	郑州轻工业大学电气信息工程学院	10	17	2.0	3.0
4	闫双建	郑州轻工业大学电气信息工程学院	3	6	2.0	2.0
5	郑晓婉	郑州轻工业大学电气信息工程学院	19	33	3.0	4.0
6	张庆芳	郑州轻工业大学电气信息工程学院	5	6	1.0	2.0
7	李栋豪	郑州轻工业大学电气信息工程学院	2	4	1.0	2.0