本文選題：跌倒檢測　切入點：加速度時序　出處：《中國生物醫(yī)學(xué)工程學(xué)報》2017年02期 　論文類型：期刊論文

【摘要】：隨著社會老齡化程度的加劇,老年人的安全健康監(jiān)護需求日益增加。跌倒行為在老年人日常生活中比較常見,它會給老年人帶來嚴(yán)重的身體及心理傷害。因此,跌倒檢測對于保護老年人的健康及安全具有重要意義。針對跌倒的運動過程,分析人體加速度變化特征,提出基于隱馬爾可夫模型(HMM)的跌倒檢測方法。將人體跌倒的加速度信號提取為加速度觀測序列,并以此為訓(xùn)練樣本訓(xùn)練隱馬爾可夫模型,建立跌倒過程的概率模型進行跌倒檢測。在驗證實驗中,采集10名志愿者共300例樣本,采用5折交叉檢驗方法,對模型的有效性進行驗證。驗證結(jié)果表明,該方法檢測跌倒的準(zhǔn)確率為98.2%,靈敏度為91.3%,特異性為99.6%,具有良好的檢測效果,可實現(xiàn)對跌倒行為的準(zhǔn)確檢測。
[Abstract]:With the aggravation of the aging society, the demand for the safety and health care of the elderly is increasing day by day. Fall behavior is more common in the daily life of the elderly, it will bring serious physical and psychological harm to the elderly. Therefore, Fall detection is of great significance in protecting the health and safety of the elderly. A fall detection method based on Hidden Markov Model (HMMM) is proposed, in which the acceleration signal of human fall is extracted as an acceleration observation sequence and used as a training sample to train the Hidden Markov Model. In the validation experiment, 300 samples were collected from 10 volunteers, and the validity of the model was verified by a 50% cross test method. The accuracy of this method is 98.2 and the sensitivity is 91.3 and the specificity is 99.6. This method has good detection effect and can be used to detect fall behavior accurately.
【作者單位】： 北京工業(yè)大學(xué)生命科學(xué)與生物工程學(xué)院;長庚大學(xué)資訊工程系;
【基金】：國家自然科學(xué)基金(71661167001) 臺灣科技部科技研究項目(MOST 104-2218-E-182-005-MY3)
【分類號】：O211.62;TP212.9

【相似文獻】

相關(guān)期刊論文 前10條

1 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預(yù)測[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年14期

2 侯昭武;;隱馬爾可夫模型的拓樸應(yīng)用[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);2009年06期

3 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計工程;2013年17期

4 王新民;基于因子分析的隱馬爾可夫模型(英文)[J];華中師范大學(xué)學(xué)報(自然科學(xué)版);2004年02期

5 曹林;王東峰;鄒謀炎;;基于隱馬爾可夫模型的人像鑒別算法[J];中國科學(xué)院研究生院學(xué)報;2006年01期

6 鄒凌云;王正志;黃教民;;基于序列拓撲和二階隱馬爾可夫模型的跨膜蛋白亞細胞定位預(yù)測[J];激光生物學(xué)報;2008年02期

7 馮志偉;;隱馬爾可夫模型及其在自動詞類標(biāo)注中的應(yīng)用[J];燕山大學(xué)學(xué)報;2013年04期

8 趙征鵬,楊鑒,普園媛,尉洪;基于隱馬爾可夫模型的非母語說話人口音識別[J];云南大學(xué)學(xué)報(自然科學(xué)版);2004年S1期

9 杜世平;;帶駐留時間隱馬爾可夫模型學(xué)習(xí)算法的改進[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2008年04期

10 朱明;郭春生;;隱馬爾可夫模型及其最新應(yīng)用與發(fā)展[J];計算機系統(tǒng)應(yīng)用;2010年07期

相關(guān)會議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

3 吳志強;陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關(guān)的說話人辨認的研究[A];第四屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應(yīng)用[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學(xué)術(shù)報告與展示會論文集[C];1990年

6 徐東風(fēng);周萍;景新幸;;改進隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關(guān)定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識別[A];第三屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1994年

9 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學(xué)會第六屆學(xué)術(shù)交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實現(xiàn)[A];第四屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1996年

相關(guān)博士學(xué)位論文 前4條

1 歐陽黜霏;基于隱馬爾可夫模型的車輛行程時間預(yù)測方法研究[D];武漢大學(xué);2015年

2 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應(yīng)用[D];清華大學(xué);2004年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

4 劉韜;基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動伴奏技術(shù)研究[D];河南師范大學(xué);2015年

2 張凱;基于隱馬爾可夫模型的頻譜預(yù)測和感知方法研究[D];南京郵電大學(xué);2015年

3 白雁飛;基于隱馬爾可夫模型的J波識別技術(shù)研究[D];太原理工大學(xué);2016年

4 崔晨雨;基于用戶經(jīng)驗水平的推薦方法研究[D];清華大學(xué);2015年

5 李若冰;基于貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型的撲克對手建模研究[D];南京大學(xué);2013年

6 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡(luò)入侵檢測研究[D];華北電力大學(xué)(北京);2014年

7 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學(xué);2016年

8 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學(xué);2016年

9 關(guān)超;隱馬爾可夫模型在肝硬化進展中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

10 李飛;基于隱馬爾可夫模型和符號條件熵的異常生理信號研究[D];南京郵電大學(xué);2016年

，

本文編號：1592942