基于加速度传感器的人体跌倒检测方法

针对人体跌倒检测阈值算法在由于阈值设定不当而引起的检测精度下降问题,采用支持向量机方法决定跌倒检测的阈值大小。从加速度传感器中获取人体运动信号,提取合加速度以及倾角作为分类特征,根据人体在跌倒时经过的失重、撞击地面和平稳三个阶段,建立基于阈值的跌倒检测模型。采用所建立的跌倒检测模型,分别用支持向量机方法以及人工方法设定阈值,仿真结果显示采用支持向量机设定阈值的检测效果优于对比算法,结果表明本文方法能有效识别跌倒。     

基于脚部惯性传感数据的人员运动速度识别方法

现有的基于脚部惯性传感数据的人员运动速度估计方法只能对人员低速行走时的速度进行有效的估计。为了采用脚步惯性传感数据识别人员快速行走以及跑步时的速度,该文提出了一种利用单步统计特征进行速度识别的方法。该方法利用脚部惯性传感器对人员在不同速度下运动的惯性数据进行采集,采用峰值检测的方法对数据进行单步划分,最后从单步数据中提取65维统计特征分别采用最小二乘法（LS）、支持向量机（SVM）、K近邻（KNN）、线型贝叶斯正态分类器（LDC）4种常见的机器学习分类方法对人员运动速度进行识别。经实验验证,所建议的方法中采用SVM分类器的识别率高达96.3%,所以采用该方法可以有效的识别人员的运动速度。     

惯性传感器的可穿戴设备行为识别

随着电子技术的发展,电路的集成化程度越来越高,通过集成化电路可将数量庞大的晶体管封装于体积十分小的电路板上,这就使得功能强大的电子设备可以做到很小的体积.随着人工智能理念的发展,可穿戴设备已经成为继智能手持终端之后的热门智能领域.通过惯性传感器在可穿戴设备上的应用,可以达到人体行为识别的目的,不仅使人机交互更加便捷快速...     

基于惯性传感的穿戴式跌倒预警防护系统

针对老人跌倒伤害预防的社会难题,设计了一种穿戴式跌倒预警和防护系统,该系统包括跌倒预警器、安全气囊装置、远程监护平台和监护人手机应用程序。当跌倒发生时,跌倒预警器会触发安全气囊快速充气,以减少老人跌倒后所受到的损伤。老人倒地后,跌倒预警器会报警,并发送短信给监护人求助。同时,跌倒过程人体运动学数据会发送到远程监护平台,并显示跌倒事件发生的位置。最后通过实验验证该跌倒预警和防护系统功能的可靠性。结果表明,该系统可以较准确地检测跌倒,完成跌倒预警报警、气囊快速充气、数据传输和存储、监控平台实时定位等一系列功能,对减少老年人跌倒的直接损伤和缩短救助老人的时间有一定帮助。     

一种人体跌倒检测方法

随着人口老龄化问题日趋严重,针对老年人容易跌倒的社会问题,进行跌倒检测方法的研究.采用基于穿戴式设备的跌倒检测方法,不同于绝大多数的跌倒事后检测方法,结合加速度特征和角度特征,采用支持向量机算法作为分类算法,进行人体跌倒的事前检测.通过实验发现,跌倒行为的检测率达到99.2%,日常活动行为的检测率达到96%,跌倒检测的平均前置时间为273ms.     

基于可穿戴压力传感器的跌倒检测研究综述

跌倒是老年人因伤害死亡的主因之一,在跌倒后第一时间施救可以减轻跌倒事件导致的严重后果。同时,随着微机电技术的发展,基于可穿戴设备的跌倒检测研究逐渐成为学者关注的焦点。为了系统梳理基于可穿戴压力传感器的跌倒检测研究进展,首先以人体足部生理结构为基础,分析可穿戴压力传感器作用于跌倒检测的原理与特点;其次基于跌倒检测系统框架,详细综述了压力传感器的设置和系统集成方法、压力数据的特殊处理方法以及跌倒检测模型的不同判断方法;最后对已有研究成果进行分类和对比分析,为后续研究提供借鉴和参考。     

基于柔性压力传感器的睡姿识别方法研究

目前使用的睡姿识别系统存在泄露隐私、束缚人体以及识别精度不高等问题,难以实现临床应用.为了提高睡姿识别的实用性,使用自主开发的柔性压力传感器无束缚采集六种睡姿图像,提出了一种基于支持向量机(SVM)并使用遗传算法(GA)进行关键参数优化的睡姿识别方法.实验表明:提出的方法能准确识别人体睡姿,平均识别准确率可达93.3％...     

基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。     

一种基于MEMS惯性传感器的手势识别方法

随着手机等移动电子设备的发展,应用于嵌入式平台的基于MEMS惯性传感器的手势识别成为一个研究热点.提出了一种简单有效的手势识别方法:通过分析手势的运动学特征,在线实时提取手势的加速度和角速度信号特征量,截取手势信号段,利用决策树分类器进行预分类,根据手势信号的变化规律实时识别具体的手势.该方法在20位实验者中获得了96％的平均准确率,手势识别时间小于0.01s.实验结果表明该算法在嵌入式平台下能快速准确地识别手势,满足了实时人机交互的要求.     

基于惯性传感器的智能安全帽人体跌倒检测系统设计

为了及时发现施工人员因意外摔伤,或由高温、心脏疾病引发的昏迷跌倒,设计了一种基于惯性传感器的智能安全帽人体跌倒检测系统,该设计采用北斗定位、跌倒检测、阿里云服务器等物联网技术,并结合MPU6050惯性传感器进行跌倒检测。当施工人员跌倒时,定位模块会定位施工人员所在位置,并上传到阿里云服务器,使得管理人员能够得到施工人员的位置信息,同时蜂鸣器报警,实现线上与线下双报警。结果表明,智能安全帽人体跌倒检测系统可以在更短时间内让施工人员得到医疗救助,减少意外情况对于施工人员的伤害。     

基于可穿戴设备的跌倒检测方法综述

基于可穿戴设备的跌倒检测系统能检测人的跌倒行为,并在老人监护等场景下得到广泛应用,相关系统的设计也引起众多研究人员的关注。对于基于可穿戴设备的跌倒检测系统的研究情况做了详细综述,介绍了跌倒的过程,按照可穿戴设备跌倒检测系统的工作流程,分别从数据采集、数据预处理、特征提取和判别算法等几个方面介绍目前研究工作的开展情况,并对已有研究成果进行分类、对比和统计分析,为后续研究工作提供有意义的借鉴与参考。     

基于可穿戴式惯性传感器的人体运动跟踪方法综述

基于可穿戴式惯性传感器（Inertial sensor unit,IMU）的人体运动跟踪技术具有佩戴方便、运动空间不受限和成本低等优点,已广泛应用于医疗康复、体育竞技、人机交互和虚拟现实等领域.本文对惯性式人体运动跟踪技术的发展历史、研究现状以及典型方法进行了较为全面的梳理和总结,主要包括人体运动学模型和生物学约束,传感器初始对准方法,传感器种类,传感器误差处理以及数据融合方法,并概述相关方法应用于实际的现状.最后,总结了该领域待解决的难点问题,并对未来的发展趋势进行了展望.     

基于可穿戴设备的跌倒检测及远程监护系统设计

为了保护老年人行走健康,满足护理需求,减少老年人因为不慎跌倒而造成的身体伤害,研制了一种可穿戴的以三轴加速传感设备为核心设备的人体跌倒检测系统。系统主要基于人体姿态能量测控,利用骨骼姿态角度为评判标准,检测老年人形体状况。为了实现检测高准确率,系统整体运用滤波算法,提高测算精度。     

基于SE-CNN的人体摔倒检测方法

人口老龄化是当今社会发展不可忽视的问题,目前有很大一部分老年人在无人照顾的境况下独自生活,摔倒后无法及时得到救助成为威胁老人生命安全的重要原因之一。现有的人体摔倒检测方法存在适应性差、高入侵性、易误判、成本昂贵等问题,且无法快速、实时检测老人摔倒。提出一种基于机器学习和无线传感器网络的摔倒检测方法,使用多个物联网传感节点组建无线传感器网络采集RSS数据,对采集到的RSS数据进行预处理后,通过XGBoost模型对时域特征分量和小波域特征分量进行处理,并以排列组合方式得到具有强鲁棒性的联合特征分量。利用深度学习网络获得数据潜在规律的特点构建人体摔倒识别模型,采用卷积神经网络作为主干网络,并在相邻网络层之间引入通道注意力模块,通过构建SE-CNN模型实现人体摔倒检测。实验结果表明,联合特征的加入能够提高RSS数据的可区分性,且SE-CNN模型的识别准确率高于CNN模型,可以实现高准确率的人体摔倒检测。     

基于GWO-SVM的行人跌倒检测方法

随着老龄化问题日趋严重,老年人的安全问题越来越受到重视,跌倒行为就是导致老年人死亡或发病的主要原因之一。基于此,提出了一种基于灰狼算法(Grey Wolf Optimizer, GWO)优化支持向量机(Support Vector Machines, SVM)的行人跌倒检测方法。选择了行人运动行为中的加速度、角速度和高度作为特征参数,构建了一种基于GWO-SVM的跌倒检测模型,使用MATLAB对模型进行训练及验证。并选择其他三种模型进行对比,使用混淆矩阵对四种模型的效果进行评估。结果表明,经灰狼算法优化的支持向量机对跌倒行为的检测精确度达到95.00%,F1-Score值同样达到95.00%。     

基于支持向量机的跌倒检测方法研究

跌倒是老年人常见的意外伤害事故,为了能够及时检测跌倒事件的发生,设计了一种基于三轴加速度传感器的跌倒检测装置,该装置佩戴在使用者的腰部或者腹部,用于实时检测老年人在正常活动和跌倒状态下的加速度信号,采用支持向量机(SVM)方法对加速度信号进行数据处理,判断人体是否跌倒。通过实验测试验证,该方法对跌倒行为识别具有较高的准确性和可靠性。     

基于脉搏波的人体窦性心率过缓检测方法

随着可穿戴技术的快速发展,可穿戴产品中对人体生理信号分析的需求日益强烈。光电容积脉搏波技术作为一种能够体现人体心血管健康状态的重要生理信号已经开始应用到医疗、老人监护和健康监测的众多可穿戴产品之中。采用支持向量机(SVM)的分类算法,设计了一个基于光电容积脉搏波的人体窦性心率过缓检测系统。通过对光电容积脉搏波数据的采集、存储以及特征向量的提取,并利用支持向量机的分类算法,提出了一个判别用户当前心率状态是否处于窦性心率过缓的检测方法。通过实验测试,确定了分类器的最佳设置参数为C=38,g=7,此时分类准确率达94.44%,测试集验证的正确判决率达94.18%。该技术为基于光电容积脉搏波的可穿戴计算产品提供了一种新的应用领域。     

基于人体行为模型的跌倒行为检测方法

随着移动互联网的广泛应用,智慧社区等一系列移动互联应用等得到人们的重视,特别是以居家养老的老年人防跌倒检测备受关注.针对目前老年人跌倒没有及时得到检测报警,从而无法及时救助,进而产生更严重的安全性的问题,本文提出了一种跌倒检测方法.本文提出的方法首先对特定人体进行扫描,利用人体建模工具poser构建出人体模型,在运动过程中根据关节点位置将二维坐标映射出相应的三维坐标并通过节点位置预测算法对映射后的三维坐标进行关节点位置预测,然后将预测后的子关节聚合到父类三维空间坐标轴中并预测出父类关节点的运动状态,当子关节点与父关节点预测结果同时处于跌倒状态,则判断人体所处于跌倒状态.由于所建立的运动模型在运动特征上具有较高的真实性,以此获取关节点的数据变化真实可靠.经过大量的实验数据表明,本文提出的跌倒检测方法可以精准实时反应运动状态,检测准确率为99%,由此可见本文提出的方法应用于跌倒检测是有效并可靠的.     

基于惯性测量单元的远程跌倒报警系统

设计了一种基于九轴惯性测量单元和无线通信网的远程跌倒报警系统.从数学模型入手,将跌倒过程划分为身体失衡、碰撞冲击、倒地静止这三个阶段,研究了加速度与角速度向量模值、瞬时姿态角等参数;采用卡尔曼滤波算法解决了陀螺仪静态测量时的零点漂移问题;利用佩戴于腰间的惯性测量传感器对运动参数进行测量,并由微处理器作出基于多阈值的最终判决;当检测到有跌倒发生时,系统立刻发出多重报警,最大程度地降低跌倒引发的伤害.实验结果显示,该系统对跌倒识别的正确率超过90％,可用于老年人的一般医疗监护场合.