基于SVM_KNN的老人跌倒检测算法

跌倒是老年人伤害和死亡的主要诱因之一，我国每年约有4000万65岁以上的老人意外跌倒。本文基于智能手机的加速度、气压计等传感器提出一种人体跌倒检测算法。该算法首先采用支持向量机（SVM）对训练集进行训练，得到一个弱二分类器（包含最优超平面和支持向量集），然后计算待测样本到最优超平面的距离。若该距离大于设定的间隔，直接采用SVM分类；否则，利用支持向量集作为有标签的训练集进行K近邻分类（KNN）。考虑到特征值的多维性，本文引入标准化欧氏距离替代传统的欧氏距离。仿真与实验结果显示，与传统的支持向量机算法相比，该算法能有效提高跌倒检测的准确率，且不受智能手机放置位置的限制。