科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了利用便携式可穿戴设备精确监测老年人运动状态，及时识别老年人突发跌倒等意外行为，针对传统算法中阈值设计的经验性、随机性等不足，提出基于径向基函数(radial basis function, RBF)神经网络的跌倒检测算法。通过分析研究人体日常行为和跌倒动作的运动特征，对人体日常运动状态进行分类。运用部署在人体腰部的三轴加速度传感器采集人体运动状态数据，构建关于加速度均值、标准差、极大值与极小值幅度差和极大值与极小值时间差的组合特征向量，采用梯度下降法进行RBF神经网络训练和优化，通过RBF神经网络分类器实现对日常行为和跌倒动作的识别。实验结果表明：基于RBF神经网络的跌倒检测算法在跌倒和非跌倒的分类识别中，准确率、灵敏度和特异性均保持了较高的水平，达到了较好的分类性能。
- 单位
