本文關(guān)鍵詞：跌倒檢測(cè)關(guān)鍵技術(shù)研究　出處：《山東大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 跌倒檢測(cè) 特征提取 機(jī)器學(xué)習(xí) 深度學(xué)習(xí)

【摘要】：隨著經(jīng)濟(jì)和科技的快速發(fā)展,人口老齡化現(xiàn)象日益嚴(yán)重,已成為社會(huì)的突出問(wèn)題。與此同時(shí),老年人的健康和安全問(wèn)題也引起了社會(huì)廣泛的關(guān)注,智能化養(yǎng)老已成為社會(huì)的一項(xiàng)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(zhǔn)的跌倒檢測(cè)一方面能夠讓跌倒的老人獲得第一時(shí)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(shí)可以減少醫(yī)療資源的占用,減輕其家庭的負(fù)擔(dān);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(fù)擔(dān),提升老年人的晚年生活質(zhì)量。針對(duì)跌倒檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀,本文開(kāi)展了對(duì)智能化監(jiān)測(cè)系統(tǒng)中跌倒檢測(cè)關(guān)鍵技術(shù)的研究分析,搭建了跌倒信息數(shù)據(jù)庫(kù),為研究檢測(cè)算法提供數(shù)據(jù)分析支撐;重點(diǎn)研究和分析其中的檢測(cè)算法,提出了基于權(quán)重判別的兩層檢測(cè)算法;開(kāi)展了針對(duì)日常生活中的各種行為的多分類(lèi)研究,通過(guò)基于決策樹(shù)等多分類(lèi)方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)各種行為進(jìn)行了分類(lèi)識(shí)別。本文的主要工作如下:首先,基于穿戴式傳感器系統(tǒng),測(cè)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(kù)。數(shù)據(jù)庫(kù)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(cè)算法提供數(shù)據(jù)基準(zhǔn)。第二,基于建立的跌倒信息數(shù)據(jù)庫(kù),進(jìn)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(jì)和實(shí)現(xiàn)了多閾值的跌倒檢測(cè)算法,并驗(yàn)證分析了算法的有效性和可行性。第三,結(jié)合不同的分類(lèi)方法和特征提取方式,綜合分析比較了基于機(jī)器學(xué)習(xí)的跌倒檢測(cè)算法的性能,在此基礎(chǔ)上,使用AdaBoost改進(jìn)了人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)和支持向量機(jī)(support vector machine,SVM)的分類(lèi)性能,基于ANN-AdaBoost和SVM-AdaBoost的檢測(cè)方法,提升了跌倒檢測(cè)的準(zhǔn)確率。第四,在上述算法實(shí)現(xiàn)的基礎(chǔ)上,提出基于權(quán)重判別的兩層檢測(cè)方法,保證高準(zhǔn)確率的前提下降低了算法的響應(yīng)時(shí)間,提高了識(shí)別的速度,并對(duì)三種檢測(cè)方法進(jìn)行了性能比較,分析得出了第三種兩層的檢測(cè)算法識(shí)別精度高,檢測(cè)速度快的結(jié)論。第五,對(duì)跌倒行為和日常行為展開(kāi)了行為多分類(lèi)的研究,分析和實(shí)現(xiàn)了基于多分類(lèi)策略的行為多分類(lèi)算法。其中,基于決策樹(shù)的多分類(lèi)算法能很好地識(shí)別出每一種行為;探索了深度學(xué)習(xí)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(lèi)算法,為跌倒檢測(cè)算法在智能健康監(jiān)測(cè)系統(tǒng)的實(shí)際應(yīng)用打下基礎(chǔ)。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP311.13;TP18;TP274

【參考文獻(xiàn)】

相關(guān)重要報(bào)紙文章 前1條

1 ;中國(guó)人口老齡化發(fā)展趨勢(shì)預(yù)測(cè)研究報(bào)告[N];中國(guó)社會(huì)報(bào);2006年

相關(guān)碩士學(xué)位論文 前3條

1 王剛;基于多傳感器的可穿戴跌倒檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2015年

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

3 周民剛;基于計(jì)算機(jī)視覺(jué)的人體跌倒檢測(cè)算法研究[D];山東大學(xué);2013年

，

本文編號(hào)：1319926