基于AdaBoost多核支持向量机的跌倒检测研究

作者：赵婉婉; 任静; 刘燕南; 武东辉^*; 余凯

来源：轻工学报, 2019, 34(03): 84-91.

• AdaBoost
• 多核学习
• 支持向量机
• 跌倒检测

针对传统的跌倒检测模型实时性低、误报率高的问题,提出AdaBoost多核支持向量机模型(ADB-MKSVM),用于对跌倒动作进行检测识别.该模型基于改进的AdaBoost模型框架,将多核支持向量机作为基分类器,并集合这些基分类器构成一个更强的最终分类器;依据人体动作数据分布和每次训练集中各样本的分类是否正确,以及上次的总体分类准确率,来确定每个样本的权值,采用权重动态分配的方法提高跌倒动作的识别率.测试结果表明,该模型具有良好的分类性能,且传感器绑于腰部位置可有效提高跌倒动作的检测效果,其准确率为99. 33%,跌倒检出率为63. 6%,跌倒检测错误率为1. 62%.

• 单位
  郑州轻工业大学