作者:麻文刚,王小鹏,吴作鹏 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2017年第10期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2017100090 DOC编号:DOCCGJS2017100099 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于阈值与PSO-SVM的人体跌倒检测研究》PDF+DOC2016年第05期 孙晓雯,孙子文,秦昉 《基于加速度传感器的人体跌倒检测方法》PDF+DOC2017年第02期 孙子文,孙晓雯 《基于SVD特征降维和支持向量机的跌倒检测算法》PDF+DOC2017年第01期 白勇,孙晓雯,秦昉,孙子文 《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥 《人体跌倒的鲁棒检测方法》PDF+DOC2013年第05期 李正周,陈联涛,刘勇,高媛,于帆 《基于MPU6050加速度传感器的跌倒检测与报警系统设计》PDF+DOC2015年第04期 卓从彬,杨龙频,周林,罗丹 《基于大数据平台的人体跌倒检测研究》PDF+DOC2017年第06期 张帆 《基于倾角的跌倒检测方法与系统研究》PDF+DOC2013年第01期 朱勇,张研,宋佳,邱天爽 《基于加速度特征的人体跌倒检测算法》PDF+DOC2015年第01期 高晓娟,徐光辉,张欢,薛文生 《基于加速度传感器的跌倒检测与报警系统设计》PDF+DOC2013年第06期 任志玲,张冰倩,郑丽媛
  • 在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判。为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法。首先通过MEMS加速度传感器节点采集人体姿态数据,并利用共轭梯度法对采集的数据进行优化处理,降低非线性误差;然后,利用支持向量机SVM(Support Vector Machine)分类器检测跌倒行为,并通过粒子群PSO(Particle Swarm Optimization)算法对SVM参数进行优化,获得最佳分类模型,根据SVM分类模型对采集的姿态数据进行分析,判断是否跌倒;最后根据人体姿态角,构建融合人体姿态角的PSOSVM特征向量,检测跌倒过程的具体信息。实验结果表明:该检测方法取得95.5%的识别率,能够较好地区分其他非跌倒性动作,检测精度较其他方法较高,均方根误差较小,有较好的鲁棒性。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。