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。     

一种基于北斗定位的老年人跌倒检测终端设计

针对老年人日常生活及出行中的定位及跌倒检测的问题,设计一款基于北斗定位技术及MEMS 加速度传感器的便携式定位及跌倒检测终端。设备适合老年人穿戴并具有跌倒自启动的功能,当老年人突发跌倒险情时,设备自动开机并把包含跌倒位置的求救信息发送到老人的子女或指定监护人的手机上,从而得到精准及时的救助,对于保障老年人的生命健康安全具有重要意义。     

独居老人云智能跌倒实时检测系统的开发

为了准确判断独居老人跌倒并且及时救助,设计开发了一种云智能实时检测系统。该云智能检测系统有效地集成了新型MEMS传感器、通信以及控制等先进技术,实现准确判断、实时检测和及时救助功能。系统通过检测装置采集独居老人日常活动数据,通过支持向量机算法（SVM）对数据进行处理,输出特征数据并通过GPRS将数据上传至物联网云平台,同时将跌倒信息发送给监护人手机。并对各种跌倒状况进行各50次实验,其结果表明：跌倒判断的正确率为100%;并且通过手机APP或者物联网云平台监护人可以实时查看独居老人日常活动,同时能接收跌倒消息以便及时救助。该装置可以突破距离限制,远程实时有效监护独居老人。     

老年人跌倒警报器的研究

随着人口老龄化趋势的加剧,老年人的家庭护理需求日益增多。当老年人发生意外跌倒而没有及时救助,会产生很严重的后果。本文设计了基于ADXL343三轴加速度传感器、51单片机和蓝牙无线通信模块的摔倒检测器。利用三轴加速度传感器采集人体的三维加速度值,单片机进行分析计算,结果经蓝牙通讯模块送入上位机或手机。当探测到有跌倒发生时,手机或上位机发出报警信号,及时通知子女或指定人员如医院等。通过分析加速度传感器数据、编写软件算法判断人体姿态;在老人摔倒后正常报警;分析可能产生的误报现象、判断此次报警是否为异常报警,设置加速度阈值减少误判可能。设置防误报按键,当老人运动幅度过大而使检测器误报警可人为取消报警。     

基于阈值分析法的人体跌倒检测系统

为了在老年人跌倒时及时发现并进行救助,设计了一个跌倒检测、定位报警求救的智能系统。系统使用STM32F103ZET6作为微处理器,采用ADXL345三轴加速度传感器采集数据,并用ATK—NEO—6M实现全球定位,跌倒发生时,SIM900A发送包含位置信息的求救短信给特定人员。提出了一种跌倒检测算法,根据设定的合加速度阈值和时间阈值,来检测失重、撞击、静止三个过程是否顺序发生,根据设定的姿态角阈值,检测人体姿态角是否超过正常范围,从而判断是否跌倒。测试结果表明:系统性能稳定,检测跌倒的准确率达到97%,满足人体跌倒检测的标准。     

基于惯性测量单元的远程跌倒报警系统

设计了一种基于九轴惯性测量单元和无线通信网的远程跌倒报警系统.从数学模型入手,将跌倒过程划分为身体失衡、碰撞冲击、倒地静止这三个阶段,研究了加速度与角速度向量模值、瞬时姿态角等参数;采用卡尔曼滤波算法解决了陀螺仪静态测量时的零点漂移问题;利用佩戴于腰间的惯性测量传感器对运动参数进行测量,并由微处理器作出基于多阈值的最终判决;当检测到有跌倒发生时,系统立刻发出多重报警,最大程度地降低跌倒引发的伤害.实验结果显示,该系统对跌倒识别的正确率超过90％,可用于老年人的一般医疗监护场合.     

基于 Arduino Uno 平台的跌倒检测报警系统设计

利用基于 ATmega328P 单片机的 Arduino Uno 硬件平台、三轴加速度传感器 ADXL345和集成 GPS 导航技术的四频 GSM/GPRS 模块 SIM908,设计一种老年人跌倒检测报警系统。传感器采集的人体三轴加速度值通过 I2 C 总线传输到单片机进行处理,通过提取人体跌倒过程的特征值设计跌倒检测算法。检测出跌倒发生后,将跌倒位置通过短信发送出去进行报警。     

基于惯性传感的穿戴式跌倒预警防护系统

针对老人跌倒伤害预防的社会难题,设计了一种穿戴式跌倒预警和防护系统,该系统包括跌倒预警器、安全气囊装置、远程监护平台和监护人手机应用程序。当跌倒发生时,跌倒预警器会触发安全气囊快速充气,以减少老人跌倒后所受到的损伤。老人倒地后,跌倒预警器会报警,并发送短信给监护人求助。同时,跌倒过程人体运动学数据会发送到远程监护平台,并显示跌倒事件发生的位置。最后通过实验验证该跌倒预警和防护系统功能的可靠性。结果表明,该系统可以较准确地检测跌倒,完成跌倒预警报警、气囊快速充气、数据传输和存储、监控平台实时定位等一系列功能,对减少老年人跌倒的直接损伤和缩短救助老人的时间有一定帮助。     

基于智能手机的实时跌倒检测系统研究

为减少跌倒对老年人造成的伤害,并对跌倒进行实时检测,提出了一种基于Android智能手机的人体跌倒检测系统,手机安置于腰上采集手机加速度传感器数据,利用了姿态识别和跌倒检测相结合的算法,区分出跌倒行为和人体日正常常活动。当检测到异常跌倒时,报警信息以及从手机中GPS获取的位置被发送。仿真及实验表明：系统能够有效地识别出跌倒和日常行为,算法具有较高实时性、具有较高灵敏度和特异度。     

一种保护老人出行安全的智能鞋设计

为了解决老年人出行过程中的安全问题,本文设计了一种保护老年人出行安全的智能鞋穿戴系统。该系统利用加速度传感器检测判断老人是否跌倒,利用CDMA模块对老人进行空间定位和信息发布,从而帮助老人出行时发生跌倒、迷路甚至是走失等安全问题时,及时通知到其家人。该智能鞋能使得老人更为安心的走出家门,提高老人的晚年生活品质。     

基于Android平台的老人跌倒检测软件

21世纪的中国将是一个不可逆转的老龄社会,随着社会的飞速发展,人口老龄化的趋势逐年增加。伴随而来老年人这一群体的明显弱点也逐渐体现出来——易跌倒,正因为这个弱点,使得许多老年人不敢出行。因此,在手机上开发一项检测老年人跌倒的软件系统是必要的。本文研究和探讨了在不同情况下发生跌倒时,利用加速度传感器,在30秒内判断出是否发生跌倒,并且在发生跌倒后,软件将会调用SMS的相关函数将发送短信息给该老人的监护人。     

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）。     

人体跌倒的鲁棒检测方法

通过对跌倒行为特性的研究,提出了人体跌倒鲁棒检测方法.采用穿戴式跌倒检测装置,将加速度传感器和倾角传感器安置于腰间,压力传感器安置于脚底,用于采集人体运动中的姿态加速度信息、倾角信息和脚底压力信息,采用主成分分析法提取姿态变化特征量,并运用支持向量机对特征量进行分析和判断,判断人体是否跌倒.通过试验测试验证,所提出的方法对跌倒检测具有较高的鲁棒性.     

基于人体行为模型的跌倒行为检测方法

随着移动互联网的广泛应用, 智慧社区等一系列移动互联应用等得到人们的重视, 特别是以居家养老的老年人防跌倒检测备受关注. 针对目前老年人跌倒没有及时得到检测报警, 从而无法及时救助, 进而产生更严重的安全性的问题, 本文提出了一种跌倒检测方法. 本文提出的方法首先对特定人体进行扫描, 利用人体建模工具poser构建出人体模型, 在运动过程中根据关节点位置将二维坐标映射出相应的三维坐标并通过节点位置预测算法对映射后的三维坐标进行关节点位置预测, 然后将预测后的子关节聚合到父类三维空间坐标轴中并预测出父类关节点的运动状态, 当子关节点与父关节点预测结果同时处于跌倒状态, 则判断人体所处于跌倒状态. 由于所建立的运动模型在运动特征上具有较高的真实性, 以此获取关节点的数据变化真实可靠. 经过大量的实验数据表明, 本文提出的跌倒检测方法可以精准实时反应运动状态, 检测准确率为99%, 由此可见本文提出的方法应用于跌倒检测是有效并可靠的.     

基于WSN的室内人员定位与跌倒检测系统

为了减少跌倒对老年人造成的意外伤害,基于无线传感网络(WSN),提出了一个具有室内人员定位和跌倒检测功能的无线监控系统。通过对人体跌倒过程的分析,利用三轴加速度传感器采集人体运动参数,并使用阈值法实现了跌倒检测;定位系统采用三边测距-质心定位算法,跌倒发生后启动定位系统,并将报警信息和跌倒后的位置信息发送至监控中心和监护人手机上。经过试验验证,系统具有较高的准确性和可靠性。     

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.     

老年人运动状态监测和跌倒报警系统

体育锻炼是促进老年人健康长寿的有效手段之一。为了对老年人的运动状态进行实时监测,掌握运动状态参数,并能够对老年人不慎意外踏空或者某种疾病突发导致的跌倒及时报警,设计一种能够实时监测老年人跌倒动作发生并发送定位及报警信息给远程接收端的便携式监测系统。系统采用腰部三轴加速度传感器实时采集人体运动姿态数据;使用嵌入式处理器和无线网络实现数据处理、无线传输和远程报警;通过三级阈值的人体跌倒检测算法,实现人体跌倒姿态变化的加速度特征提取,对人体运动状态进行分级,预测严重的跌倒行为。实验结果表明：该系统具有性能稳定、正确率高和轻巧方便等特点,非常适合老年人穿戴使用,可保障老年人运动安全,应用前景广阔。     

基于人体加速度特征的实时跌倒识别算法

实时跌倒检测能为老年人和特别护理人员提供及时的帮助.根据人体的运动学特征,提出一种基于三轴加速度传感器的人体跌倒行为的实时检测算法.该算法通过提取运动时的超重强度、持续失重时间、倾斜角度、静止时间为特征值,在Android智能手机上使用决策树进行实时处理.该算法对传感器的放置方位无要求,选取日常动作和与跌倒加速度特征相似的动作进行测试,该算法的平均响应时间小于6秒,平均准确率达到92％,证明了该算法的有效性.     

基于SVM和阈值分析法的摔倒检测系统

随着我国人口老龄化的快速发展,老年人口呈现出高龄化、空巢化的趋势。当老年人在家中发生意外跌倒而未能及时获得救助时,会给老年人造成严重的身心伤害。针对这个问题,设计并实现老年人摔倒检测系统。该系统以嵌入式微处理器K60核心开发板作为处理内核,加速度传感器MMA7660FC采集人体三轴加速度信息,ENC-03陀螺仪采集两轴角速度信息。通过基于支持向量机(SVM)和阈值分析法的摔倒检测算法判断是否摔倒,在摔倒时能自动地发送摔倒报警信息。实验结果表明,系统能有效地区分摔倒和其他日常生活行为,算法准确度高、实时性高。     

基于GPS/GPRS的跌倒监测终端

跌倒是导致我国65岁以上老人意外致死的首要原因.为了给老年人尤其是独居老人提供及时的跌倒报警和救助服务,本文提出一种基于GPS/GPRS的远程跌倒监测终端.该终端融合了三轴加速度计、三轴陀螺仪,实时检测人体运动状态并进行相应的算法分析,在检测到跌倒后,将位置和报警信息通过GPRS传输至远程的监控中心.此外,该终端设有手动报警和取消报警按键,避免漏报和误报.经测试,当合加速度与合角速度的阈值分别为5m/s2、25m/s2和2rad/s时,该监测终端能够准确无误的区分正常人体活动与跌倒事件并报警,并取得了较好的定位精度和通信效果.