穿戴式跌倒检测中特征向量的提取和降维研究

穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度。针对此问题,首先采用时域分析法提取初始特征向量集,然后用提出的改进核主成分分析算法（IKPCA）对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有更好的效果。IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择,然后计算跌倒特征向量的信息度量和相似度度量,最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量。IKPCA算法不但保持核主成分分析算法（KPCA）较好的降维能力,而且扩充了较好的分类能力。利用真实的数据集进行实验,对比分析表明,相比其他算法,IKPCA算法能够得到更优质的特征向量数据集。     

基于扩展孤立森林的个性化跌倒检测研究

随着中国人口老龄化趋势的加剧,跌倒检测成为医疗健康领域的一个研究热点。针对传统基于监督学习的跌倒检测算法中难以获取真实的老年人跌倒数据作为跌倒检测方法的基础训练数据及未考虑个性化适配问题,文章提出了一种基于扩展孤立森林的个性化跌倒检测模型,将跌倒视为一个二分类异常检测问题,通过可穿戴传感器采集大量老年人日常行为数据,经预处理和滑动窗口特征提取后,利用无监督的扩展孤立森林算法对每个老年人的日常行为数据进行单独建模,当数据不符合正常行为模式时,模型判定为跌倒。通过公开数据集SisFall验证模型效果,实验结果表明基于扩展孤立森林的个性化跌倒检测模型的平均识别准确率可达96.76%,平均敏感度和特异度分别为97.91%和94.72%,具有良好的性能表现。     

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。     

基于随机森林的跌倒检测算法

针对现有跌倒检测算法由于缺乏真实老人跌倒样本以及使用年轻人仿真跌倒样本规模较小导致的过拟合和适应性不足等问题,提出了基于随机森林的跌倒检测算法.该算法采用滑动窗口机制,对窗口内的加速度数据进行时间域和变换域处理,提取时间域和变换域特征参数后,在所有样本集中进行有放回的Bootstrap随机抽样和属性随机选择,构建多个基于最佳属性分割的支持向量机(SVM)基本分类器.在线跌倒检测阶段,对多个SVM基本分类器的分类结果采用少数服从多数的原则,给出最终判定结果.实验表明,随机森林跌倒检测算法可获得95.2%的准确率、90.6%的敏感度和93.5%的特异性,明显优于基于SVM和反向传播(BP)神经网络跌倒检测算法,反映出随机森林跌倒检测算法能更准确地检测跌倒行为,具有较强的泛化能力和鲁棒性.     

基于递归神经网络的跌倒检测系统

针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果。首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害。     

基于智能手机的跌倒行为识别算法研究

利用智能手机的感知和计算能力,对跌倒行为识别算法进行研究。分析使用多特征传感器识别跌倒行为的必要性,并根据传感器对跌倒行为敏感程度的不同,提出基于主成分分析的多特征选择方法。针对传统K-means算法不能反映数据分布差异的问题,设计基于相对熵的跌倒行为识别算法,利用数据集分布距离进行跌倒行为识别。在真实环境下采集跌倒行为数据对算法性能进行评估,结果表明该算法能较好地识别跌倒行为,识别准确率高达96. 7%。     

基于智能视觉的人体跌倒检测仿真

针对传统人体跌倒检测方法准确度低,不能在人体疑似跌倒的第一时间及时检测的问题,提出基于智能视觉的人体跌倒检测方法。根据智能视觉分析技术解析人体跌倒行为,采用加速度传感器采集人体跌倒惯性特征数据并利用加速度传感器建立三轴加速坐标,对跌倒行为作出判断。在巨大的特征量集合中,运用K-L变换方法提取出准确的加速度峰值和倾角变化值,据此设置跌倒行为检测的约束条件,完成对跌倒行为的分类。采用PSO分类器优化人体跌倒检测的SVM参数,完成人体跌倒高精准度检测。实验结果表明,所提方法的检测准确度高于对比的3种文献方法,检测时间最短,能够及时检测目标个体跌倒情况,可广泛应用于现实生活中。     

基于阈值和极端随机树的实时跌倒检测方法

针对基于可穿戴设备的跌倒检测存在的实时性与准确性无法兼得的问题,提出一种阈值和极端随机树融合的实时跌倒检测方法.在该方法中,可穿戴设备只需计算阈值量,无需确保跌倒检测的准确率,从而减少了计算量;同时,上位机利用极端随机树算法确保了跌倒检测的准确率.可穿戴设备通过阈值的方法过滤了大部分日常动作,因此减少了上位机检测的动作...     

基于可穿戴压力传感器的跌倒检测研究综述

跌倒是老年人因伤害死亡的主因之一,在跌倒后第一时间施救可以减轻跌倒事件导致的严重后果。同时,随着微机电技术的发展,基于可穿戴设备的跌倒检测研究逐渐成为学者关注的焦点。为了系统梳理基于可穿戴压力传感器的跌倒检测研究进展,首先以人体足部生理结构为基础,分析可穿戴压力传感器作用于跌倒检测的原理与特点;其次基于跌倒检测系统框架,详细综述了压力传感器的设置和系统集成方法、压力数据的特殊处理方法以及跌倒检测模型的不同判断方法;最后对已有研究成果进行分类和对比分析,为后续研究提供借鉴和参考。     

基于半监督学习的跌倒检测系统设计

针对老人跌倒时的复杂运动情况,进行跌倒标注的较难实现,提出了基于Tri-training半监督算法的跌倒检测系统。本系统使用3D加速度传感器采集运动加速度数据,然后对数据进行特征提取与部分样本标注,使用Tri-training算法训练分类器,最后使用训练好的分类器进行跌倒识别。具体的数据采集传感器设计为可穿戴式设备,服务器端使用Java编写了一个服务器的程序实现对数据的分析与处理。实验结果表明：该方法使用了大量无标签数据的信息,有效提高了跌倒识别的准确率。实验结果表明：本系统能够满足老年人在日常生活中的需求,对于一些意外跌倒能够给予及时的检测与报警。     

基于图象识别的浮选控制系统

研究了通过提取煤浮选泡沫层图象的特征量 ,建立数学模型预测精煤泡沫的灰份和浓度 ;将泡沫图象按结构进行分类 ,利用泡沫结构特征识别的LVQ神经网络模型建立浮选控制系统。     

基于特征和知识的模式识别专家系统

作者在文献〔1〕,〔2〕中分别论述了传统模式识别及专家系统方法的局限性,提出了两者结合以实现模式识别专家系统的构想,给出了为实现这一构想的“缺言推理-回归”思维模型。本文以地震剖面图象的岩性分析为背景,给出一个运用上述思维模型实现的基于特征和知识的模式识别专家系统,阐明其中的理论与实现问题,并给出一个运行实例。     

基于模式识别的网络考试系统设计

本文介绍了一种基于模式识别的网络考试系统,对整个软件的系统结构、功能以及实现的关键技术进行了探讨。该系统采用SQL Server数据库和指纹模式识别技术,成功地实现了网上考试、培训和学习等。     

基于PCA和ICA模式融合的非高斯特征检测识别

针对无人船(Unmanned surface vehicle, USV)航行位姿观测数据的非高斯性/高斯性判别问题, 提出一种基于主成分分析(Principal component analysis, PCA)和独立成分分析(Independent component analysis, ICA) 模式融合的非高斯特征检测识别方法. 首先, 采用基于标准化加权平均和信息熵的数据预处理方法. 其次, 引入混合加权核函数并使用灰狼优化(Grey wolf optimization, GWO)算法进行参数优化, 以提高PCA方法的准确性. 同时, 该算法采用一种新的非线性控制因子策略, 提高全局和局部搜索能力. 最后, 建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维, 在降维数据的基础上综合T型多维偏度峰度检验法和KS (Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别. 该方法考虑了非线性非高斯的噪声对降维结果精确度的影响, 有效降低了多维数据非高斯检测的复杂度, 同时也为后续在实际USV位姿估计等应用中提供了保障. 实验表明, 该方法具有较高的准确性和稳定性, 可为 USV 航行位姿观测数据处理提供支持.     

基于模糊识别的汽车目标识别研究与实现

本文结合实际路面状况,将模糊模式识别技术应用到汽车识别中,对汽车特征进行分析,设计了适用于高速公路汽车防撞系统的汽车目标模糊识别算法,并完成相关的系统软硬件设计与实现.     

基于网络行为模糊模式识别的蠕虫检测方法

网络蠕虫攻击由于危害大、攻击范围广、传播速度快而成为因特网危害最大的攻击方式之一.如何有效地检测网络蠕虫攻击是当前网络安全研究领域的一个重要方向.通过对网络蠕虫攻击行为的分析和研究,提出了一种根据蠕虫爆发时产生的典型网络行为来检测未知蠕虫的方法.该算法通过分别学习正常主机和受感染主机的网络行为建立相应的标准分类模糊子集,然后利用模糊模式识别法判定待测主机是否感染蠕虫.最后进行实验验证,结果表明,该方法对未知扫描类蠕虫有较好的检测效果.     

基于综合特征的车辆检测识别系统

随着信息技术和智能交通的迅速发展,自动的车辆检测识别成为不可或缺的技术。由于基于单一特征和单车辆的识别并不能满足实际中的应用要求,因此提出了多特征多车辆的检测识别算法,利用基于灰度对称,形状特征和光流强度特征的提取,通过基本的图像处理算法,最终由综合特征为基础得出车辆的识别检测结果,利用基于VC＋＋6．0的软件系统开发出车辆检测识别系统,通过实验对照,由单一特征和综合特征的检测不同结果获得实验数据,通过检测算法将视频序列图像中的车辆信息自动识别提取出来并加以标记。实验结果表明系统能够适应多变的车型和环境信息,通过识别结果准确性的分析,得出结论：针对不同的车型有较好的鲁棒性,能够满足实际智能交通控制平台的构建的基本要求。     

基于多特征融合的跌倒行为识别与研究

在全球老龄化和空巢家庭的社会背景下,老年人的跌倒已成为当今社会备受关注的问题,为了能及时为老年人提供帮助,减轻摔倒带来的伤害,提出了一种基于图像处理的多特征融合跌倒识别算法。针对前景提取,本文提出了一种三帧差分法与背景减除法加权结合的目标提取算法,进而提取出目标轮廓的高度、宽高比、质心、矩形周长、Hu矩及Zernike矩特征;以行走、坐下、蹲下和跌倒4种行为数据作为样本,最后通过参数优化后的支持向量机训练及预测来实现跌倒的检测与识别。实验结果表明,所提出的算法不仅有效而且速度快、易于实现,平均识别率超过了95%。     

基于CC3200的Wi-Fi无线组网式跌倒检测系统

TI公司的CC3200是一款基于ARM Cortex-M4处理器核的微控制器,是TI SimpleLink产品线上的一员,其具有既方便又强大的Wi-Fi网络通信能力.本文利用CC3200这些特性,结合MMA7260加速度传感器,设计了一种新型的以Wi-Fi作为组网模式的无线加速度检测系统,其主要应用方向为检测人的跌倒等情况.     

基于手势识别的视力检测系统的设计

This design realizes a vision detection system, which can detect human visual acuity through gesture recognition technology. The system includes several modules: acquisition, data storage and conversion, gesture recognition and output control. And the camera, memory, display and speaker are connected externally. The visual icon "E" is displayed on the display screen, and then people use gestures to indicate the direction of "E". After the camera captures the image, the system recognizes and judges the direction of gesture, and then compares the correct direction to detect the visual acuity of people. Because the system eliminates manual detection, it is convenient, accurate and it saves manpower. The system realizes dynamic gesture interaction, being interesting and easy to be popularized.