多场景下的人体跌倒检测方法及应用

摘要：

针对可穿戴MEMS传感器检测多场景下的人体摔倒行为时,单一采用加速度阈值判断存在表征不完全的问题,提出了改进麻雀搜索算法(ISSA)优化SVM(SVM)的人体跌倒检测识别方法.首先通过可穿戴MEMS传感器采集人体离散化姿态数据,然后通过时间滑动窗口找出加速度阈值与角速度阈值特征向量并进行一级判定;同时构建ISSA-SVM跌倒状态检测模型,即利用改进的麻雀搜索算法对SVM的核参数和惩罚因子进行自适应优化,获得最优分类模型;最后根据SVM分类模型,对一级判定的数据进行分析,判断是否真正跌倒.实验仿真和产品应用结果表明:对于人体在不同场景下意外跌倒的检测,所提出的ISSA-SVM识别检测模型测试正确率达98％以上,同时降低了漏报率.经过多次测试,跌倒检测器表现出较好的鲁棒性.

关键词：跌倒检测、特征向量、麻雀优化算法、支持向量机、自适应优化

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金51874205

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：21-28