基于SVM的居家老人跌倒预测方法研究

作者：马英楠; 吕子阳^*; 高星; 王勇毅

来源：中国安全科学学报, 2019, 29(06): 43-48.

DOI：10.16265/j.cnki.issn1003-3033.2019.06.008

• 老年人
• 平均位移
• 支持向量机(SVM)
• 跌倒
• 模型预测

为减少老年人跌倒事件,在实验室采集54位老年人行进过程中的运动学数据;着眼于胸椎、膝盖、肩胛骨、骨盆等4个位置,以关节点在矢状面、冠状面、横断面的平均位移作为特征维度构建预测模型,应用支持向量机(SVM)算法对易跌倒老人进行识别预测;并通过数据对比,得到可以实现较高预测精度的最小维度。结果表明:通过粒子群算法(PSO)和基因算法(GA)优化SVM参数后,模型预测精度为87. 5%;通过骨盆位置建立的3个维度可以达到同样的预测精度。

• 单位
  北京航空航天大学; 首都经济贸易大学