基于隐马尔可夫模型的老年人跌倒行为检测方法研究

发布时间：2018-03-10 10:28

  本文选题：跌倒检测　切入点：加速度时序　出处：《中国生物医学工程学报》2017年02期 　论文类型：期刊论文

【摘要】：随着社会老龄化程度的加剧,老年人的安全健康监护需求日益增加。跌倒行为在老年人日常生活中比较常见,它会给老年人带来严重的身体及心理伤害。因此,跌倒检测对于保护老年人的健康及安全具有重要意义。针对跌倒的运动过程,分析人体加速度变化特征,提出基于隐马尔可夫模型(HMM)的跌倒检测方法。将人体跌倒的加速度信号提取为加速度观测序列,并以此为训练样本训练隐马尔可夫模型,建立跌倒过程的概率模型进行跌倒检测。在验证实验中,采集10名志愿者共300例样本,采用5折交叉检验方法,对模型的有效性进行验证。验证结果表明,该方法检测跌倒的准确率为98.2%,灵敏度为91.3%,特异性为99.6%,具有良好的检测效果,可实现对跌倒行为的准确检测。
[Abstract]:With the aggravation of the aging society, the demand for the safety and health care of the elderly is increasing day by day. Fall behavior is more common in the daily life of the elderly, it will bring serious physical and psychological harm to the elderly. Therefore, Fall detection is of great significance in protecting the health and safety of the elderly. A fall detection method based on Hidden Markov Model (HMMM) is proposed, in which the acceleration signal of human fall is extracted as an acceleration observation sequence and used as a training sample to train the Hidden Markov Model. In the validation experiment, 300 samples were collected from 10 volunteers, and the validity of the model was verified by a 50% cross test method. The accuracy of this method is 98.2 and the sensitivity is 91.3 and the specificity is 99.6. This method has good detection effect and can be used to detect fall behavior accurately.
【作者单位】： 北京工业大学生命科学与生物工程学院;长庚大学资讯工程系;
【基金】：国家自然科学基金(71661167001) 台湾科技部科技研究项目(MOST 104-2218-E-182-005-MY3)
【分类号】：O211.62;TP212.9

【相似文献】

相关期刊论文 前10条

1 张慧丽;;基于混合二阶隐马尔可夫模型的基因结构预测[J];电脑知识与技术(学术交流);2007年14期

2 侯昭武;;隐马尔可夫模型的拓朴应用[J];河南师范大学学报(自然科学版);2009年06期

3 黄岗;;马尔可夫及隐马尔可夫模型的应用[J];电子设计工程;2013年17期

4 王新民;基于因子分析的隐马尔可夫模型(英文)[J];华中师范大学学报(自然科学版);2004年02期

5 曹林;王东峰;邹谋炎;;基于隐马尔可夫模型的人像鉴别算法[J];中国科学院研究生院学报;2006年01期

6 邹凌云;王正志;黄教民;;基于序列拓扑和二阶隐马尔可夫模型的跨膜蛋白亚细胞定位预测[J];激光生物学报;2008年02期

7 冯志伟;;隐马尔可夫模型及其在自动词类标注中的应用[J];燕山大学学报;2013年04期

8 赵征鹏,杨鉴,普园媛,尉洪;基于隐马尔可夫模型的非母语说话人口音识别[J];云南大学学报(自然科学版);2004年S1期

9 杜世平;;带驻留时间隐马尔可夫模型学习算法的改进[J];西南民族大学学报(自然科学版);2008年04期

10 朱明;郭春生;;隐马尔可夫模型及其最新应用与发展[J];计算机系统应用;2010年07期

相关会议论文 前10条

1 史笑兴;王太君;何振亚;;论二阶隐马尔可夫模型与一阶隐马尔可夫模型的关系[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 马勇;金峗;顾明亮;赵力;;基于隐马尔可夫模型的汉语方言辨识[A];2009’中国西部地区声学学术交流会论文集[C];2009年

3 吴志强;陈珂;迟惠生;;基于隐马尔可夫模型的有限词汇集内与文本无关的说话人辨认的研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

4 徐毅琼;李弼程;王波;;隐马尔可夫模型在人脸检测与识别中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 吴成东;柴佩琪;;基于分类的隐马尔可夫模型的声母识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 徐东风;周萍;景新幸;;改进隐马尔可夫模型的非线性分段技术应用[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 邢颖;南敬昌;;基于隐马尔可夫模型的人脸检测与识别系统[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 秦勇;莫福源;李昌立;关定华;;基于隐马尔可夫模型的汉语二字词音调模式识别[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 杨文强;邓明华;钱敏平;;隐马尔可夫模型与剪切位点识别[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 马晓川;刘冬;赵荣椿;;孤立短语隐马尔可夫模型自动建模软件的实现[A];第四届全国人机语音通讯学术会议论文集[C];1996年

相关博士学位论文 前4条

1 欧阳黜霏;基于隐马尔可夫模型的车辆行程时间预测方法研究[D];武汉大学;2015年

2 李杰;隐马尔可夫模型的研究及其在图像识别中的应用[D];清华大学;2004年

3 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

4 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 吴瑞琪;面向农牧民歌旋律的自动伴奏技术研究[D];河南师范大学;2015年

2 张凯;基于隐马尔可夫模型的频谱预测和感知方法研究[D];南京邮电大学;2015年

3 白雁飞;基于隐马尔可夫模型的J波识别技术研究[D];太原理工大学;2016年

4 崔晨雨;基于用户经验水平的推荐方法研究[D];清华大学;2015年

5 李若冰;基于贝叶斯网络和隐马尔可夫模型的扑克对手建模研究[D];南京大学;2013年

6 朱超然;基于隐马尔可夫模型的无线传感器网络入侵检测研究[D];华北电力大学(北京);2014年

7 李伦;基于隐马尔可夫模型的VaR度量方法研究[D];华东政法大学;2016年

8 李晓燕;基于隐马尔科夫模型的轨迹聚类方法研究[D];华东师范大学;2016年

9 关超;隐马尔可夫模型在肝硬化进展中的应用[D];山西医科大学;2016年

10 李飞;基于隐马尔可夫模型和符号条件熵的异常生理信号研究[D];南京邮电大学;2016年

，

本文编号：1592942