基于传感器数据融合技术的腕式跌倒检测系统研究

发布时间：2017-06-05 04:16

  本文关键词：基于传感器数据融合技术的腕式跌倒检测系统研究，由笔耕文化传播整理发布。

【摘要】：随着年龄的增长,老年人的身体机能衰退,反应迟钝,所面临的危险因素越来越多,因跌倒而导致受伤甚至死亡的比率也急剧增加。因此老人的生活起居需要有人关注和看护。但是现代社会子女不在身边的情况非常多,许多老人在日常生活中身边没有常伴左右的人,再加上老人可能出门散步、上街买菜、公园锻炼等活动范围较大,其监护难度也随之加大。所以在不妨碍子女或监护人日常工作和生活的情况下,研发出一种可以随时随地监测老年人的身体状况和位置,实现跌倒及时报警和丢失及早寻回的设备具有重大意义。针对老年人日常活动的特点,并考虑到老年人对手机以及其他高科技产品熟悉程度的限制,本文研究了现有的跌倒检测技术,设计了一款适合于老年人佩戴的腕式跌倒检测系统,并提出一种基于二次判定的跌倒检测融合算法,将算法应用于跌倒检测系统并测试其检测率。本文主要完成了以下几方面的工作：首先搭建了跌倒检测系统的硬件平台。系统设计为独立运行的设备佩戴于人体腕部位置进行跌倒行为的检测,且该系统同样适配于胸部、腰部等位置,以便于佩戴在老年人身上不影响日常行为活动；使用了先进的六轴惯性传感器,单一芯片内集成了三轴加速度传感器和三轴陀螺仪传感器,极大的节省了板级空间和使用成本；使用了低功耗MCU和优化的电池电源管理方案,实现了便携、小型化和低功耗。其次,根据系统特点,对采集到的传感器数据融合后分析选取多个特征,并通过PCA降维实现特征向量提取；为了更好的将跌倒行为和日常活动行为进行区分,提出一种基于阈值定位和支持向量机的二次判定的跌倒检测融合算法,以阂值法对疑似跌倒行为的数据段进行定位,再由支持向量机进行分类判定,以提高系统的准确性和稳定性。同时,本文实现了跌倒检测系统样机制作,并通过样机进行算法的应用性测试和对比实验。实验结果显示,系统具有较好的检测性能,且算法具有一定的应用价值。
【关键词】：跌倒检测 惯性传感器 加速度 阈值定位 支持向量机
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212;TP202
【目录】：

• 摘要4-5
• Abstract5-13
• 第一章 绪论13-19
• 1.1 研究背景及意义13-15
• 1.2 国内外研究现状15-17
• 1.3 论文的主要研究内容及章节安排17-19
• 第二章 系统整体设计19-24
• 2.1 系统需求分析19-20
• 2.1.1 目标群体分析19
• 2.1.2 功能性需求分析19-20
• 2.1.3 非功能性需求分析20
• 2.2 系统整体方案设计20-23
• 2.2.1 系统硬件平台框架21-22
• 2.2.2 系统软件程序框架22
• 2.2.3 跌倒检测算法方案22-23
• 2.3 本章小结23-24
• 第三章 跌倒检测系统硬件平台设计24-33
• 3.1 主控制器模块24-25
• 3.2 惯性传感器模块25-27
• 3.3 通信定位模块27-28
• 3.4 系统电源模块28-31
• 3.4.1 电池选型29-30
• 3.4.2 USB充电电路30
• 3.4.3 系统供电电路30-31
• 3.5 PCB板设计31-32
• 3.6 本章小结32-33
• 第四章 跌倒检测系统软件实现33-39
• 4.1 数据采集程序设计33-34
• 4.2 GPS定位程序设计34-35
• 4.3 GPRS通信程序设计35-37
• 4.4 短信收发程序设计37-38
• 4.5 本章小结38-39
• 第五章 跌倒行为分析及算法研究39-55
• 5.1 人体活动模式分类39-41
• 5.1.1 日常活动行为39-40
• 5.1.2 跌倒行为40-41
• 5.2 人体跌倒相关分析41-47
• 5.2.1 跌倒模型物理分析41-43
• 5.2.2 典型活动行为数据分析43-47
• 5.3 特征选择及提取47-51
• 5.3.1 特征选择47-49
• 5.3.2 基于PCA降维的特征提取49-51
• 5.4 基于二次判定的跌倒检测融合算法51-54
• 5.4.1 基于阈值的疑似信号段定位51-52
• 5.4.2 基于SVM的跌倒特征分类模型52-53
• 5.4.3 具体算法流程53-54
• 5.5 本章小结54-55
• 第六章 实验结果及分析55-64
• 6.1 实验样机及佩戴方法55-56
• 6.2 实验步骤56-61
• 6.3 实验结果与分析61-63
• 6.3.1 核函数效率测试61-62
• 6.3.2 阈值设定测试62
• 6.3.3 佩戴部位对比实验62-63
• 6.4 系统及其算法评价63
• 6.5 本章小结63-64
• 结论和展望64-66
• 参考文献66-70
• 攻读学位期间的科研成果70-72
• 致谢72

【参考文献】

中国期刊全文数据库 前7条

1 郑坤;万雅琴;;《老年人跌倒干预技术指南》的法律解读[J];法制博览;2015年29期

2 梁胜杰;张志华;崔立林;钟强晖;;基于主成分分析与核独立成分分析的降维方法[J];系统工程与电子技术;2011年09期

3 宋海燕;张建国;;人体日常生活活动基本动作的提取研究[J];中国康复医学杂志;2009年05期

4 王静;尹世玉;叶璐;陈丹;;老年人生活质量的研究现状[J];中华现代护理杂志;2008年21期

5 奉莹;我国人口老龄化趋势对劳动力供给的影响[J];西北人口;2005年04期

6 杜树新,吴铁军;模式识别中的支持向量机方法[J];浙江大学学报(工学版);2003年05期

7 Alix L.Paultre ,王正华;MEMS陀螺仪的出现改变了惯性感测的发展方向[J];今日电子;2000年04期

中国博士学位论文全文数据库 前1条

1 于普林;北京市社区老年人跌倒状况研究[D];中南大学;2010年

中国硕士学位论文全文数据库 前6条

1 王刚;基于多传感器的可穿戴跌倒检测系统的设计与实现[D];北京工业大学;2015年

2 何杰;视频监控中的人体异常行为识别方法研究[D];重庆大学;2014年

3 李强;跌倒检测关键技术的研究与应用[D];北京工业大学;2013年

4 侯祖贵;基于惯性传感器的人体动作分析与识别[D];哈尔滨工程大学;2013年

5 陈艳玲;基于统计模式识别的跌倒检测算法研究[D];武汉理工大学;2012年

6 孙新香;基于三轴加速度传感器的跌倒检测技术的研究与应用[D];上海交通大学;2008年

  本文关键词：基于传感器数据融合技术的腕式跌倒检测系统研究，，由笔耕文化传播整理发布。

本文编号：422904