基于支持向量机的跌倒检测算法研究

作     者：裴利然 姜萍萍 颜国正 PEI Li-ran;JIANG Ping-ping;YAN Guo-zheng

作者机构：上海交通大学电子信息与电气工程学院上海200240 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2017年第25卷第1期

页      面：182-187页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：上海市科学技术委员会基金资助项目(No.14441902800) 上海智能诊疗仪器工程技术研究中心基金资助项目(No.15DZ2252000) 

主　　题：跌倒检测 惯性传感器 机器学习 支持向量机 粒子群优化 径向基函数 

摘      要：实时跌倒检测能有效降低老人因跌倒导致的身心伤害,提高老人的独居能力和健康水平。为提高基于惯性传感器的跌倒检测系统的准确率,降低系统误报率和漏报率,提出了应用基于径向基函数的支持向量机算法实现跌倒判定。首先,应用佩戴在人体腰间的便携式跌倒检测系统完成数据的采集;然后,利用基于径向基函数(RBF)的SVM分类器标记疑似跌倒行为,并利用粒子群算法完成分类算法中惩罚因子C和RBF参数g的优化。结果表明,在区分跌倒与类似跌倒的日常活动时,基于SVM算法的跌倒检测系统准确率、误报率和漏报率分别为97.67%,4.0%和0.67%。与传统的阈值方法相比,跌倒检测性能有很大提高,从而加强了该系统在老人跌倒检测中的应用。