基于RBF神经网络的跌倒检测算法研究 |
| |
引用本文: | 王晓雷,李栋豪,郑晓婉,娄泰山,丁国强,焦玉召,赵红梅.基于RBF神经网络的跌倒检测算法研究[J].电子测量与仪器学报,2019,33(11):185-191. |
| |
作者姓名: | 王晓雷 李栋豪 郑晓婉 娄泰山 丁国强 焦玉召 赵红梅 |
| |
作者单位: | 郑州轻工业大学电气信息工程学院 郑州450002 |
| |
基金项目: | 河南省科技攻关项目;郑州轻工业大学博士科研基金 |
| |
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。
|
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 |
本文献已被 CNKI 万方数据 等数据库收录! |
|