隨著全球老齡化程度加劇、空巢家庭數(shù)目的增加,越來越多老人由于身體機能下降,反應(yīng)力減弱等生理原因,易發(fā)生跌倒事故。跌倒預(yù)警系統(tǒng)在發(fā)生跌倒但未碰撞地面前完成判斷,不但可在跌倒后及時通知親屬或監(jiān)護中心,縮短等待救援時間;而且能提供充分預(yù)留時間供啟動氣囊等保護裝置,可最大程度減少人體所受傷害,降低跌倒造成的醫(yī)療開支,增強獨立生活的信心。絕大多數(shù)研究在人體碰撞地面前僅能檢測出跌倒趨勢,無法進一步判別出跌倒方向。而進一步判別出跌倒方向,利于開啟指定位置氣囊提供更針對性保護,本文對實現(xiàn)判別跌倒方向的多值分類問題進行了研究,設(shè)計了具備高檢測率充足預(yù)留時間的多值分類算法,這是跌倒保護系統(tǒng)的關(guān)鍵,也是本課題的研究重點。本文同時搭建了一套基于舵機氣嘴的氣囊充氣裝置,相比傳統(tǒng)充氣裝置體積更輕便,以上2點為本課題研究的創(chuàng)新點。本文首先確定了腰前位置穿戴MEMS慣性傳感器采集數(shù)據(jù),手機端執(zhí)行算法發(fā)送警報的系統(tǒng)組成。通過分析跌倒與日常活動的合加速度、姿態(tài)角的時域特征曲線,證明了碰撞前跌倒預(yù)警和方向判別的可行性;采用Wrapper方法進行了特征選擇,確定了最優(yōu)特征組合,為混合模型的建立提供了特征向量。針對以上特征向量... 

【文章來源】：蘇州大學江蘇省

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

圖１．１?２００７？２０４０年中國６０歲以上人口數(shù)量及比重??近年來，隨著醫(yī)學技術(shù)的進步、生活水平和衛(wèi)生條件的提高，人類的平均壽命增??

１．２國內(nèi)外研究現(xiàn)狀??１．２．１跌倒檢測分類??跌倒檢測的研究通常包括４個階段（圖１．２），最終實現(xiàn)從日�；顒又袇^(qū)分出跌倒??事件（以下簡稱跌倒），并向家人或監(jiān)護中心發(fā)出求救信號。??采用適當?shù)膬x器設(shè)備???ｊｒ???采集合理的實驗數(shù)據(jù)???；?［???選擇合適特征???；?［???利用恰當算法??圖１．２跌倒檢測系統(tǒng)的主要研宄內(nèi)容??根據(jù)跌倒檢測采用儀器設(shè)備的不同，目前的跌倒檢測技術(shù)可分為３類：基于視頻、??周圍環(huán)境及穿戴式的跌倒檢測技術(shù)。??（１）基于視頻的室內(nèi)跌倒檢測??該方法采用攝像頭采集人體動作行為圖像，根據(jù)人體站立、跌倒、蹲下及坐下姿??態(tài)的差異性，基于圖像處理算法，對老年人的姿態(tài)進行判別。??Ｙｕ等ｔ１５ｌ利用計算機視覺技術(shù)，分析各種姿態(tài)的變化（圖１．３），最后通過支持向??量機（Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅ，ＳＶＭ）識別出跌倒姿態(tài)。Ａｌｈｉｍａｌｅ等［１６丨采集人體跌倒??和日�；顒拥膱D像，對圖像進行二值化處理，提取人體輪廓，利用人工神經(jīng)網(wǎng)絡(luò)算法??進行跌倒判斷

…—，—：—￣￣￣￣￣??１７５ｃｍ??圖１．４基于周圍環(huán)境的跌倒檢測??鍛冶良作等［１９］采用ＲＦＩＤ標簽，檢測洗手間浴室等封閉場所的跌倒行動。他們在??１７５ｃｍｘｌ５０ｃｍ的衛(wèi)生間墻壁上布置了?１２枚離地２ｃｍ的有源標簽用于發(fā)射微弱的無??線電波，閱讀器根據(jù)實時獲取的電場強度的大小及變化趨勢來判斷跌倒（圖１．４）。??Ｒｉｍｍｉｎｅｎ等［２（）］使用微波近場成像技術(shù)，將４．５ｍｘ４ｍ大小的地板，切成９ｘ１６的區(qū)域，??根據(jù)使用者占據(jù)的區(qū)塊的大小、規(guī)模及形狀等信息進行分類，判斷是否發(fā)生跌倒。Ｔａｏ??４??

【參考文獻】：
期刊論文
[1]基于隨機森林的跌倒檢測算法[J]. 羅丹,羅海勇.  計算機應(yīng)用. 2015(11)
[2]基于三個特征點的人體跌倒檢測[J]. 劉國帥,熊平.  科技視界. 2015(21)
[3]基于極限學習機的跌倒檢測分類識別研究[J]. 王之瓊,曲璐渲,隋雨彤,鮑楠,康雁.  中國生物醫(yī)學工程學報. 2014(04)
[4]基于傅里葉-隱馬爾科夫模型的人體行為識別[J]. 黃靜,孔令富,李海濤.  計算機仿真. 2011(07)
[5]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學學報. 2011(01)
[6]基于壓力傳感器的跌倒檢測系統(tǒng)研究[J]. 石欣,熊慶宇,雷璐寧.  儀器儀表學報. 2010(03)
[7]捷聯(lián)慣導(dǎo)系統(tǒng)姿態(tài)算法比較[J]. 孫麗,秦永元.  中國慣性技術(shù)學報. 2006(03)
[8]基于HMM-SVM的故障診斷模型及應(yīng)用[J]. 柳新民,劉冠軍,邱靜.  儀器儀表學報. 2006(01)

博士論文
[1]基于力學量信息獲取系統(tǒng)的人體摔倒過程識別方法研究[D]. 佟麗娜.中國科學技術(shù)大學 2011
[2]基于圖像重構(gòu)和特征融合的人臉識別方法研究[D]. 周昌軍.大連理工大學 2008

碩士論文
[1]老人跌倒預(yù)測系統(tǒng)的研究[D]. 茅莉磊.蘇州大學 2016
[2]基于三軸加速度傳感器的人體行為識別研究[D]. 王洪斌.江南大學 2014
[3]人體運動檢測系統(tǒng)設(shè)計與摔倒預(yù)測方法研究[D]. 周晴.華東師范大學 2014
[4]基于模式識別的跌倒檢測儀研究[D]. 劉勇.重慶大學 2014
[5]基于慣性傳感器的跌倒防護氣囊系統(tǒng)的研究[D]. 王國杰.武漢理工大學 2014
[6]基于特征分析的個性化摔倒檢測[D]. 劉偉麗.大連理工大學 2013
[7]基于智能手機的日�；顒幼R別和跌倒檢測[D]. 何山.華中科技大學 2013
[8]基于MEMS慣性傳感器的跌倒檢測與預(yù)警研究[D]. 梁丁.大連理工大學 2012
[9]老年人跌倒檢測系統(tǒng)中相關(guān)算法的研究及應(yīng)用[D]. 黃帥.清華大學 2012
[10]基于GPRS的跌倒檢測報警系統(tǒng)的設(shè)計與實現(xiàn)[D]. 謝開明.重慶大學 2010



本文編號：3246806