基于新颖性检测的跌倒风险预测
跌倒是65岁及以上人群因伤害致死的第一位原因.结合受试者个体信息的个性化特征,提出一种基于Kinect三维骨架数据的步态特征提取方法,对老年人的跌倒风险进行评估和预测.将跌倒风险分为高跌倒风险和低跌倒风险两类,考虑数据采集的成本问题,采用新颖性检测模型在不平衡数据集下对特征数据进行训练和评估.实验结果表明,OC-SVM(one-class SVM)检测准确率达86.96%,F1-score为88.55%,能够有效地区分低跌倒风险受试者和高跌倒风险受试者.同时,证明了基于Kinect三维骨架数据预测老年人跌倒风险的潜力.
跌倒风险、新颖性检测、Kinect、步态分析、单类支持向量机
31
TP391.41;R743.3;F832.51
江苏省科技厅重点研发计划BE2020713
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
163-170