摘要:

针对跌倒检测系统必须快速准确响应的需求，提出一种基于三轴加速度传感器的人体跌倒实时检测算法。该算法通过分析人体运动的加速度特征，提取加速度信息特征向量，采用机器学习的方法对样本数据进行分析，获得分类阈值。在实时检测过程中，当采集的加速度信息的特征值大于阈值时，通过分析其产生峰值之后的加速度分量特征，确定是否发生跌倒事件。通过测试多种日常活动及各种跌倒的加速度信息，证明了该算法的有效性。

摘要:

针对粒子群算法存在后期趋同性严重、收敛速度缓慢以及易陷入局部极小点等缺点,将模式搜索算法引入粒子群算法,对支持向量机参数进行优化,应用于跌倒检测中.首先,使用穿戴式设备收集跌倒检测数据集,将初始数据进行均值滤波以消除噪声的影响;然后,提取滤波后的数据特征,将提取的多维数据使用奇异值分解算法进行降维;最后,降维后的数据将用来检验粒子群模式搜索算法的优劣.通过与支持向量机算法和支持向量机算法加粒子群算法进行对比,粒子群模式搜索算法在跌倒检测中的特异性和灵敏度都得到了提高.

摘要:

穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度.针对此问题,首先采用时域分析法提取初始特征向量集,用提出的改进核主成分分析算法(IKPCA)对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有更好的效果.IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择,然后计算跌倒特征向量的信息度量和相似度度量;最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量.IKPCA算法不但保持核主成分分析算法(KPCA)较好的降维能力,而且扩充了较好的分类能力.利用真实的数据集进行实验,对比分析表明,相比其他算法,IKPCA算法能够得到更优质的特征向量数据集.

摘要:

为了实现自动识别人体跌倒行为的目的,采用深度摄像头同时获取彩色图像和深度图像,并对其进行校正；对深度图像采用背景差分法提取运动人体前景；利用彩色图像和深度图像的融合、肤色检测以及距离加权面积法进行头部的检测与定位；最后将头部运动速度作为判断跌倒的依据,对人体不同运动行为的头部速度进行采集,利用支持向量机对跌倒进行检测.以5个志愿者的步行、蹲下、坐下和跌倒等4类动作为实验样本,运用交叉比对确定最优化参数,最后采用本文提出的方法进行测试.实验结果表明,系统能够有效识别跌倒,总体识别率超过95％.其中,跌倒/步行行为分类识别率达100％；针对跌倒/蹲下和跌倒/坐下的系统平均识别率分别为94.4％和98.8％.

摘要:

针对单片机的计算能力和检测系统的实时性,设计了一种可穿戴的老人跌倒检测装置.利用六轴陀螺仪加速度计进行原始信号的采集,将合成加速度和姿态角作为特征量,设计一种基于二叉树支持向量机分类思想的三级检测算法.首先,以合成加速度是否超出阈值作为分类条件,识别样本是否属于剧烈运动;其次,则以合成加速度是否呈现周期性变化和人体是否处于类静止状态(合成加速度在0.8~1.2g)将样本进一步细分;最后,则通过判断人体的姿态确定老人是否跌倒.当检测到老人跌倒后,利用GPS对老人进行定位,同时利用GSM模块发送报警信息.实验证明算法准确率高、实时性好.同时能够准确定位,并将信息发送出去.

摘要:

针对当前可穿戴跌倒检测系统存在的精度低、隐私保护性差等问题, 设计并实现了一款高精度、低延时的跌倒检测系统.首先使用Arduino Nano 33 BLE开发板为检测装置的主控部件，借助专门针对物联网场景的轻量级开源机器学习框架TensorFlow Lite，设计了采用主成分分析PCA结合人工神经网络ANN的跌倒检测算法(简称PCA-ANN)；其次使用TensorFlow框架对网上公开的跌倒数据集进行模型的训练和转化，并将模型部署到嵌入式跌倒检测终端；最后使用得到的跌倒检测装置对志愿者进行实际环境的跌倒检测实验，实验结果表明系统的跌倒检测准确率达到了99.04%，敏感度和特异性分别为97.57%和99.58%.该系统利用边缘计算技术完成了在计算能力和存储单元受限的嵌入式设备上运行深度学习的任务，将这项技术应用到可穿戴跌倒检测装置中，为后续的研究提供了资料.相比现存的需要进行云端数据传输的跌倒检测系统，本系统还具有低延时和高精度的特点，同时消除了用户隐私方面的隐患，适合老年人佩戴。

摘要:

设计了一个基于一种新型MEMS传感器MPU6050的老年人跌倒检测系统。利用传感器中集成的2个同轴的加速度和角速度传感器对人体运动行为和姿态进行检测。通过预设阈值，将角速度和加速度变化程度进行综合判断，根据人体静止后姿态进行最终判定。实验证明新型传感器配合新颖算法能获得较高的检测准确率。

摘要:

目的:设计一种老年人移动监护系统,实现移动心率检测,跌倒检测,紧急情况自动电话呼叫与GPS定位,减少突发事件对老年人的健康威胁.方法:采用分层的体系结构,第一层为传感器层,用于采集并实时分析ECG信号以及加速度数据,第二层为手持终端,用于汇集各传感器数据,综合判断并实现数据远程传输、呼叫以及定位,第三层位于远程服务器,实现数据库管理,数据显示等.结果:分层的体系结构有利于系统功能的扩展,有利于传感器单元的可穿戴性.结论:基于无线传感器网络与GPRS网络的移动健康监护系统能够有效实时地对老年人的健康与安全状况进行监护,对老年人生命安全保障具有重要意义.

摘要:

目的:随着社会老龄化的迅速发展,针对老年人群的健康安全监护的需求日益增加.跌倒检测系统能够有效检测老年人跌倒事件的发生并及时报警,保护老年人的健康及安全.方法:对一些常见的跌倒检测的系统、算法、设备及其应用进行了比较研究,并提出了一些关于系统评价标准设定的建议.结果:本文将跌倒检测系统分为基于视频图像的跌倒检测系统、可穿戴式的跌倒检测系统和环境式的跌倒检测系统三大类,并从舒适性、实用性、准确率等方面进行比较,还从实验对象选择、实验环境设置、样本动作分类和检测指标确立四个方面对建立跌倒检测系统的评价标准进行了阐述.结论:本文进行的比较研究系统地概述了跌倒检测系统的常见技术和算法,提出了其评价标准的基础框架,对于其进一步的研究设计、商品化开发具有一定指导意义.

摘要:

设计了一种基于MMA7260加速度传感器的跌倒实时检测与报警系统,用以实现老人跌倒后可以被及时发现并救助；系统采用嵌入式ARM Cortex M3内核的STM32微处理器,搭载了GPRS无线通信和GPS卫星定位模块；对跌倒和日常生活运动特征参数进行了研究分析,提出了基于SVM阈值法的三次判别算法；实验结果表明,系统对大部分运动状态都能正确识别,误报、漏报率较低,可有效的区分跌倒和日常生活行为,针对老人测试准确性达到97.5％以上,具有较高的稳定性、可靠性和识别率.