基于HMM-SVM的人体跌倒的事前预警与方向判别的研究
发布时间：2021-06-24 09:06
随着全球老龄化程度加剧、空巢家庭数目的增加,越来越多老人由于身体机能下降,反应力减弱等生理原因,易发生跌倒事故。跌倒预警系统在发生跌倒但未碰撞地面前完成判断,不但可在跌倒后及时通知亲属或监护中心,缩短等待救援时间;而且能提供充分预留时间供启动气囊等保护装置,可最大程度减少人体所受伤害,降低跌倒造成的医疗开支,增强独立生活的信心。绝大多数研究在人体碰撞地面前仅能检测出跌倒趋势,无法进一步判别出跌倒方向。而进一步判别出跌倒方向,利于开启指定位置气囊提供更针对性保护,本文对实现判别跌倒方向的多值分类问题进行了研究,设计了具备高检测率充足预留时间的多值分类算法,这是跌倒保护系统的关键,也是本课题的研究重点。本文同时搭建了一套基于舵机气嘴的气囊充气装置,相比传统充气装置体积更轻便,以上2点为本课题研究的创新点。本文首先确定了腰前位置穿戴MEMS惯性传感器采集数据,手机端执行算法发送警报的系统组成。通过分析跌倒与日常活动的合加速度、姿态角的时域特征曲线,证明了碰撞前跌倒预警和方向判别的可行性;采用Wrapper方法进行了特征选择,确定了最优特征组合,为混合模型的建立提供了特征向量。针对以上特征向量...
【文章来源】：苏州大学江苏省
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图１．１?２００７？２０４０年中国６０岁以上人口数量及比重??近年来，随着医学技术的进步、生活水平和卫生条件的提高，人类的平均寿命增??
１．２国内外研究现状??１．２．１跌倒检测分类??跌倒检测的研究通常包括４个阶段（图１．２），最终实现从日常活动中区分出跌倒??事件（以下简称跌倒），并向家人或监护中心发出求救信号。??采用适当的仪器设备???ｊｒ???采集合理的实验数据???；?［???选择合适特征???；?［???利用恰当算法??图１．２跌倒检测系统的主要研宄内容??根据跌倒检测采用仪器设备的不同，目前的跌倒检测技术可分为３类：基于视频、??周围环境及穿戴式的跌倒检测技术。??（１）基于视频的室内跌倒检测??该方法采用摄像头采集人体动作行为图像，根据人体站立、跌倒、蹲下及坐下姿??态的差异性，基于图像处理算法，对老年人的姿态进行判别。??Ｙｕ等ｔ１５ｌ利用计算机视觉技术，分析各种姿态的变化（图１．３），最后通过支持向??量机（Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅ，ＳＶＭ）识别出跌倒姿态。Ａｌｈｉｍａｌｅ等［１６丨采集人体跌倒??和日常活动的图像，对图像进行二值化处理，提取人体轮廓，利用人工神经网络算法??进行跌倒判断
…—，—：—￣￣￣￣￣??１７５ｃｍ??图１．４基于周围环境的跌倒检测??锻冶良作等［１９］采用ＲＦＩＤ标签，检测洗手间浴室等封闭场所的跌倒行动。他们在??１７５ｃｍｘｌ５０ｃｍ的卫生间墙壁上布置了?１２枚离地２ｃｍ的有源标签用于发射微弱的无??线电波，阅读器根据实时获取的电场强度的大小及变化趋势来判断跌倒（图１．４）。??Ｒｉｍｍｉｎｅｎ等［２（）］使用微波近场成像技术，将４．５ｍｘ４ｍ大小的地板，切成９ｘ１６的区域，??根据使用者占据的区块的大小、规模及形状等信息进行分类，判断是否发生跌倒。Ｔａｏ??４??
【参考文献】：
期刊论文
[1]基于随机森林的跌倒检测算法[J]. 罗丹,罗海勇. 计算机应用. 2015(11)
[2]基于三个特征点的人体跌倒检测[J]. 刘国帅,熊平. 科技视界. 2015(21)
[3]基于极限学习机的跌倒检测分类识别研究[J]. 王之琼,曲璐渲,隋雨彤,鲍楠,康雁. 中国生物医学工程学报. 2014(04)
[4]基于傅里叶-隐马尔科夫模型的人体行为识别[J]. 黄静,孔令富,李海涛. 计算机仿真. 2011(07)
[5]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[6]基于压力传感器的跌倒检测系统研究[J]. 石欣,熊庆宇,雷璐宁. 仪器仪表学报. 2010(03)
[7]捷联惯导系统姿态算法比较[J]. 孙丽,秦永元. 中国惯性技术学报. 2006(03)
[8]基于HMM-SVM的故障诊断模型及应用[J]. 柳新民,刘冠军,邱静. 仪器仪表学报. 2006(01)
博士论文
[1]基于力学量信息获取系统的人体摔倒过程识别方法研究[D]. 佟丽娜.中国科学技术大学 2011
[2]基于图像重构和特征融合的人脸识别方法研究[D]. 周昌军.大连理工大学 2008
硕士论文
[1]老人跌倒预测系统的研究[D]. 茅莉磊.苏州大学 2016
[2]基于三轴加速度传感器的人体行为识别研究[D]. 王洪斌.江南大学 2014
[3]人体运动检测系统设计与摔倒预测方法研究[D]. 周晴.华东师范大学 2014
[4]基于模式识别的跌倒检测仪研究[D]. 刘勇.重庆大学 2014
[5]基于惯性传感器的跌倒防护气囊系统的研究[D]. 王国杰.武汉理工大学 2014
[6]基于特征分析的个性化摔倒检测[D]. 刘伟丽.大连理工大学 2013
[7]基于智能手机的日常活动识别和跌倒检测[D]. 何山.华中科技大学 2013
[8]基于MEMS惯性传感器的跌倒检测与预警研究[D]. 梁丁.大连理工大学 2012
[9]老年人跌倒检测系统中相关算法的研究及应用[D]. 黄帅.清华大学 2012
[10]基于GPRS的跌倒检测报警系统的设计与实现[D]. 谢开明.重庆大学 2010
本文编号：3246806
【文章来源】：苏州大学江苏省
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图１．１?２００７？２０４０年中国６０岁以上人口数量及比重??近年来，随着医学技术的进步、生活水平和卫生条件的提高，人类的平均寿命增??
１．２国内外研究现状??１．２．１跌倒检测分类??跌倒检测的研究通常包括４个阶段（图１．２），最终实现从日常活动中区分出跌倒??事件（以下简称跌倒），并向家人或监护中心发出求救信号。??采用适当的仪器设备???ｊｒ???采集合理的实验数据???；?［???选择合适特征???；?［???利用恰当算法??图１．２跌倒检测系统的主要研宄内容??根据跌倒检测采用仪器设备的不同，目前的跌倒检测技术可分为３类：基于视频、??周围环境及穿戴式的跌倒检测技术。??（１）基于视频的室内跌倒检测??该方法采用摄像头采集人体动作行为图像，根据人体站立、跌倒、蹲下及坐下姿??态的差异性，基于图像处理算法，对老年人的姿态进行判别。??Ｙｕ等ｔ１５ｌ利用计算机视觉技术，分析各种姿态的变化（图１．３），最后通过支持向??量机（Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅ，ＳＶＭ）识别出跌倒姿态。Ａｌｈｉｍａｌｅ等［１６丨采集人体跌倒??和日常活动的图像，对图像进行二值化处理，提取人体轮廓，利用人工神经网络算法??进行跌倒判断
…—，—：—￣￣￣￣￣??１７５ｃｍ??图１．４基于周围环境的跌倒检测??锻冶良作等［１９］采用ＲＦＩＤ标签，检测洗手间浴室等封闭场所的跌倒行动。他们在??１７５ｃｍｘｌ５０ｃｍ的卫生间墙壁上布置了?１２枚离地２ｃｍ的有源标签用于发射微弱的无??线电波，阅读器根据实时获取的电场强度的大小及变化趋势来判断跌倒（图１．４）。??Ｒｉｍｍｉｎｅｎ等［２（）］使用微波近场成像技术，将４．５ｍｘ４ｍ大小的地板，切成９ｘ１６的区域，??根据使用者占据的区块的大小、规模及形状等信息进行分类，判断是否发生跌倒。Ｔａｏ??４??
【参考文献】：
期刊论文
[1]基于随机森林的跌倒检测算法[J]. 罗丹,罗海勇. 计算机应用. 2015(11)
[2]基于三个特征点的人体跌倒检测[J]. 刘国帅,熊平. 科技视界. 2015(21)
[3]基于极限学习机的跌倒检测分类识别研究[J]. 王之琼,曲璐渲,隋雨彤,鲍楠,康雁. 中国生物医学工程学报. 2014(04)
[4]基于傅里叶-隐马尔科夫模型的人体行为识别[J]. 黄静,孔令富,李海涛. 计算机仿真. 2011(07)
[5]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[6]基于压力传感器的跌倒检测系统研究[J]. 石欣,熊庆宇,雷璐宁. 仪器仪表学报. 2010(03)
[7]捷联惯导系统姿态算法比较[J]. 孙丽,秦永元. 中国惯性技术学报. 2006(03)
[8]基于HMM-SVM的故障诊断模型及应用[J]. 柳新民,刘冠军,邱静. 仪器仪表学报. 2006(01)
博士论文
[1]基于力学量信息获取系统的人体摔倒过程识别方法研究[D]. 佟丽娜.中国科学技术大学 2011
[2]基于图像重构和特征融合的人脸识别方法研究[D]. 周昌军.大连理工大学 2008
硕士论文
[1]老人跌倒预测系统的研究[D]. 茅莉磊.苏州大学 2016
[2]基于三轴加速度传感器的人体行为识别研究[D]. 王洪斌.江南大学 2014
[3]人体运动检测系统设计与摔倒预测方法研究[D]. 周晴.华东师范大学 2014
[4]基于模式识别的跌倒检测仪研究[D]. 刘勇.重庆大学 2014
[5]基于惯性传感器的跌倒防护气囊系统的研究[D]. 王国杰.武汉理工大学 2014
[6]基于特征分析的个性化摔倒检测[D]. 刘伟丽.大连理工大学 2013
[7]基于智能手机的日常活动识别和跌倒检测[D]. 何山.华中科技大学 2013
[8]基于MEMS惯性传感器的跌倒检测与预警研究[D]. 梁丁.大连理工大学 2012
[9]老年人跌倒检测系统中相关算法的研究及应用[D]. 黄帅.清华大学 2012
[10]基于GPRS的跌倒检测报警系统的设计与实现[D]. 谢开明.重庆大学 2010
本文编号：3246806
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3246806.html
