本文關(guān)鍵詞：跌倒檢測關(guān)鍵技術(shù)研究　出處：《山東大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 跌倒檢測 特征提取 機器學習 深度學習

【摘要】：隨著經(jīng)濟和科技的快速發(fā)展,人口老齡化現(xiàn)象日益嚴重,已成為社會的突出問題。與此同時,老年人的健康和安全問題也引起了社會廣泛的關(guān)注,智能化養(yǎng)老已成為社會的一項重大需求。跌倒損傷是老年人健康受到威脅的重要原因之一。因此,高效精準的跌倒檢測一方面能夠讓跌倒的老人獲得第一時間的治療,提高跌倒的救助水平,降低因跌倒造成更大傷害的可能性,同時可以減少醫(yī)療資源的占用,減輕其家庭的負擔;另一方面,能夠給年老人尤其是空巢老人提供安全保障,減少他們的心理負擔,提升老年人的晚年生活質(zhì)量。針對跌倒檢測的國內(nèi)外研究現(xiàn)狀,本文開展了對智能化監(jiān)測系統(tǒng)中跌倒檢測關(guān)鍵技術(shù)的研究分析,搭建了跌倒信息數(shù)據(jù)庫,為研究檢測算法提供數(shù)據(jù)分析支撐;重點研究和分析其中的檢測算法,提出了基于權(quán)重判別的兩層檢測算法;開展了針對日常生活中的各種行為的多分類研究,通過基于決策樹等多分類方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法對各種行為進行了分類識別。本文的主要工作如下:首先,基于穿戴式傳感器系統(tǒng),測量了日常行為和跌倒行為的數(shù)據(jù),并建立了跌倒信息數(shù)據(jù)庫。數(shù)據(jù)庫中包括了 11種日常行為和4種跌倒行為信息,為研究跌倒檢測算法提供數(shù)據(jù)基準。第二,基于建立的跌倒信息數(shù)據(jù)庫,進行多角度的特征分析,選取了合適的特征及相應(yīng)的閾值,設(shè)計和實現(xiàn)了多閾值的跌倒檢測算法,并驗證分析了算法的有效性和可行性。第三,結(jié)合不同的分類方法和特征提取方式,綜合分析比較了基于機器學習的跌倒檢測算法的性能,在此基礎(chǔ)上,使用AdaBoost改進了人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)和支持向量機(support vector machine,SVM)的分類性能,基于ANN-AdaBoost和SVM-AdaBoost的檢測方法,提升了跌倒檢測的準確率。第四,在上述算法實現(xiàn)的基礎(chǔ)上,提出基于權(quán)重判別的兩層檢測方法,保證高準確率的前提下降低了算法的響應(yīng)時間,提高了識別的速度,并對三種檢測方法進行了性能比較,分析得出了第三種兩層的檢測算法識別精度高,檢測速度快的結(jié)論。第五,對跌倒行為和日常行為展開了行為多分類的研究,分析和實現(xiàn)了基于多分類策略的行為多分類算法。其中,基于決策樹的多分類算法能很好地識別出每一種行為;探索了深度學習網(wǎng)絡(luò)模型,提出了基于卷積神經(jīng)網(wǎng)絡(luò)框架的行為多分類算法,為跌倒檢測算法在智能健康監(jiān)測系統(tǒng)的實際應(yīng)用打下基礎(chǔ)。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP311.13;TP18;TP274

【參考文獻】

相關(guān)重要報紙文章 前1條

1 ;中國人口老齡化發(fā)展趨勢預(yù)測研究報告[N];中國社會報;2006年

相關(guān)碩士學位論文 前3條

1 王剛;基于多傳感器的可穿戴跌倒檢測系統(tǒng)的設(shè)計與實現(xiàn)[D];北京工業(yè)大學;2015年

2 陳功;基于三軸加速度傳感器的跌倒檢測技術(shù)的研究與應(yīng)用[D];南京郵電大學;2013年

3 周民剛;基于計算機視覺的人體跌倒檢測算法研究[D];山東大學;2013年

，

本文編號：1319926