基于支持向量机的跌倒检测算法研究

摘要：

实时跌倒检测能有效降低老人因跌倒导致的身心伤害,提高老人的独居能力和健康水平.为提高基于惯性传感器的跌倒检测系统的准确率,降低系统误报率和漏报率,提出了应用基于径向基函数的支持向量机算法实现跌倒判定.首先,应用佩戴在人体腰间的便携式跌倒检测系统完成数据的采集;然后,利用基于径向基函数(RBF)的SVM分类器标记疑似跌倒行为,并利用粒子群算法完成分类算法中惩罚因子C和RBF参数g的优化.结果表明,在区分跌倒与类似跌倒的日常活动时,基于SVM算法的跌倒检测系统准确率、误报率和漏报率分别为97.67％,4.0％和0.67％.与传统的阈值方法相比,跌倒检测性能有很大提高,从而加强了该系统在老人跌倒检测中的应用.

关键词：跌倒检测、惯性传感器、机器学习、支持向量机、粒子群优化、径向基函数

所属期刊栏目：25

分类号：TP212.9(自动化技术及设备)

资助基金：上海市科学技术委员会基金资助项目14441902800;上海智能诊疗仪器工程技术研究中心基金资助项目15DZ2252000

在线出版日期：2017-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：182-187