10.3969/j.issn.1006-2475.2017.12.010
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.
跌倒检测、SVM、KNN、SVM_KNN、Matlab
TP18(自动化基础理论)
华中师范大学中央高校基本科研业务费教育科学专项资金资助项目CCNU16JYKX019
2018-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
49-55