科研之友
微信
新浪微博
Facebook
分享链接
摘要
跌倒已成为老年人因伤致残的首要原因，及时准确地对跌倒事件示警是救助工作中非常重要的一环。为提高跌倒检测的准确率，提出了一种兼顾高维数字序列整体性和不同维度特异性的融合决策下的跌倒检测方法。对获取于手腕便携式传感器的输入数字序列根据合加速度的显著性进行窗口分割，保证数据时序性的同时提高跌倒信息的可辨识性。引入气压差字段和体温字段，建立具有九轴特征的归一化数字序列，探索更多与跌倒检测相关的信息。根据集成学习中具有互补性的梯度提升决策树(gradient boosting decision tree, GBDT)模型和随机森林(random forest, RF)模型的回归分类结果进行融合决策，得出跌倒事件是否发生的分类判别。实验结果显示，本文方法在自测数据上具有比单一采用GBDT模型和RF模型更高的跌倒检测准确率，在UR Fall和UMA Fall公开数据集上，文中提出的融合策略同样具有优异的跌倒检测准确率，说明了该方法的有效性和泛化能力。
- 单位
