基于Lasso-LGB的老人跌倒检测算法研究

• 作者: 段美玲 潘巨龙
• 来源期刊: 中国计量大学学报
• 关键词: 跌倒检测 Lasso回归 机器学习 时域特征 轻量级梯度提升机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息科学|Information Science
• 页码范围: 67-73,117
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2021.01.010

摘要

目的:为了提高跌倒分类任务的精度,同时保证跌倒检测的实时性.方法:提出了一种融合Lasso回归和轻量级梯度提升机(Lightweight Gradient Boosting Machine,LightGBM)的跌倒检测算法Lasso-LGB.该方法首先利用Lasso回归算法选取跌倒数据特征向量中的主要特征;然后用LightGBM算法来检测判别人体的跌倒行为或日常生活行为.结果:通过两个公开的跌倒数据集进行算法验证,表明Lasso-LGB跌倒算法能更准确地检测跌倒行为,使跌倒检测的误报率和漏报率大大降低.结论:提出的Lasso-LGB算法实现了高精度的跌倒行为检测以及准实时的运行时间需求.