基于ADXL345防跌倒检测装置的研制

针对一些老年人在行走或站立时突发跌倒的情况,开发了一种跌倒检测装置。通过这种检测装置,在老年人跌倒触地前发出电信号触发穿戴式气囊保护装置开关快速充气,以保护要着地的人体部位。研究主要基于ADXL345三轴加速度计构建一单片机系统,通过理论分析、算法研究及实验研究等实现了该检测装置的功能。实验结果表明:该系统灵敏、可靠,可以在人体跌倒0.15 s内发出警报信号,并为穿戴式气体保护装置提供准确的触发信号。     

基于三轴加速度传感器的人体跌倒检测系统设计与实现

为了满足老年人的护理需求,减少老年人因跌倒造成的身心伤害,提出了一种基于三轴加速度传感器的人体跌倒检测系统。该系统主要基于姿态测量特性,利用姿态角作为跌倒判断标准;并且考虑到噪声影响和跌倒检测系统对检测正确率的高要求,利用Kalman滤波算法来提高算法精确度。实验结果表明该系统在人体前后、侧向跌倒和跌倒后迅速站起的情况下可以100%报警,达到人体正常跌倒情况的检测标准。     

基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。     

基于支持向量机的跌倒检测方法研究

跌倒是老年人常见的意外伤害事故,为了能够及时检测跌倒事件的发生,设计了一种基于三轴加速度传感器的跌倒检测装置,该装置佩戴在使用者的腰部或者腹部,用于实时检测老年人在正常活动和跌倒状态下的加速度信号,采用支持向量机(SVM)方法对加速度信号进行数据处理,判断人体是否跌倒。通过实验测试验证,该方法对跌倒行为识别具有较高的准确性和可靠性。     

基于特征自动提取的跌倒检测算法

跌倒是导致老年人受伤甚至死亡的主要原因。准确及时的跌倒检测系统可以帮助跌倒者获得紧急救援。 目前基于传感器的跌倒检测方法主要利用人工设计提取的信号特征来区分跌倒和非跌倒运动,但人工提取的特征往往会限制算法的精确度,增大算法时延。为提高跌倒检测的精确度和实时性,本文提出了一种基于深度学习的跌倒检测算法。该算法可以自动提取数据特征,实现从原始数据到检测结果的端到端的处理。算法模型主要由两层级联的长短期记忆（Long Short-Term Memory, LSTM）循环神经网络组成,通过神经网络提取加速度计和陀螺仪数据内部的特征,并判断是否有跌倒状况发生。我们使用两个公开数据集MobiAct和SisFall对算法性能进行评估。 实验结果显示,算法在两个数据集都达到了较高的精确度（99.58%以上）和较低的时延（2.2毫秒以内）。     

基于熵和PSO优化SVM的肌电信号跌倒识别

跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机（GA-SVM）的参数优化,具有较强的鲁棒性和抗干扰能力。     

基于惯性传感技术的穿戴式老年人跌倒报警系统

现今老年人跌倒报警系统跌倒参照倾角方向单一,导致最终报警系统的误报率数值较大。针对这一不足,设计一种基于惯性传感技术的穿戴式老年人跌倒报警系统。硬件部分选择惯性传感器,设定传感器引脚功能,采用粘性电极安置在运动背心内部,设计穿戴式装置。软件部分选用SVM分类算法检测老年人跌倒的特征值,检测老年人跌倒状态,采用联合报警模式,构建一个三方向参照坐标转换过程,实现跌倒报警,完成对穿戴式老年人跌倒报警系统的设计。搭建实验环境,选取十位年轻人模拟老年人跌倒过程,分别使用两种传统老年人跌倒报警系统与设计跌倒报警系统进行实验,结果表明:设计的老年人跌倒报警系统误报率数值在1%左右,误报率数值最小。     

一种人体跌倒检测方法

随着人口老龄化问题日趋严重,针对老年人容易跌倒的社会问题,进行跌倒检测方法的研究.采用基于穿戴式设备的跌倒检测方法,不同于绝大多数的跌倒事后检测方法,结合加速度特征和角度特征,采用支持向量机算法作为分类算法,进行人体跌倒的事前检测.通过实验发现,跌倒行为的检测率达到99.2%,日常活动行为的检测率达到96%,跌倒检测的平均前置时间为273ms.     

基于腕部可穿戴设备的跌倒监护系统设计与实现

随着社会老龄化加快,老年人或病人的人工监护成本越来越高,针对目前各种跌倒监测装置的不足,设计了一款基于腕部智能穿戴设备的生理体征采集、跌倒监测和报警系统,该装置通过集成的各种传感器采集腕部高度、加速度、角速度等体征信号,并采用合适的算法实现了跌倒检测报警功能。实验结果表明,通过佩戴本文设计的腕部智能穿戴设备可以较好地实现对跌倒行为和日常非跌倒行为的区分,在不影响佩戴者舒适度情况下行为检出率可达到98.5%。     

FMCW毫米波雷达跌倒检测算法研究

跌倒所带来的伤害威胁着老年人的生命安全,为实时监控造成人体严重损伤的跌倒行为,为减轻子女、养老机构等人员在养老看护方面的压力,对调频连续波(Frequency Modulated Continuous Wave,FMCW)毫米波雷达的跌倒检测算法进行研究,在跌倒检测方面,通过对雷达信号进行预处理,得到距离-速度和多普勒两种特征图像,并使用帧差法去除静态物体干扰,为充分提取距离-速度图像和多普勒图像的特征,提出一种双流融合特征提取网络算法。实验结果表明,所提双流融合特征提取网络算法较其他网络算法,出现误报、漏报情况的概率大大减小,检测准确率高达98.75%,并且系统的整体网络结构简单,在当前环境下具有较大的实用价值。