基于網(wǎng)格尋參優(yōu)化SVM-KNN算法的老人跌倒檢測研究.pdf

1、自改革開放以來，我國經(jīng)濟的高速發(fā)展帶動了醫(yī)療技術(shù)的全面提升。在生活質(zhì)量不斷改善的過程中，人們的保健意識也逐漸增強。于是，隨著我國人口平均壽命的增長，社會的人口結(jié)構(gòu)一步步地在向老齡化轉(zhuǎn)變。跌倒是威脅生命的主要風(fēng)險之一，老年人發(fā)生跌倒不僅會造成身體上的傷害，還會因為沒有得到及時救治而導(dǎo)致危機生命安全。因此，設(shè)計一套精確的跌倒檢測系統(tǒng)，應(yīng)用于實時檢測老人是否跌倒，并將跌倒事件通知家人以便于老人及時地被救治，具有重要的應(yīng)用價值。
　　近年

2、來，常見跌倒檢測技術(shù)主要分為四類:1、基于視頻圖像的跌倒檢測;2、基于環(huán)境傳感器的跌倒檢測;3、基于穿戴式裝置的跌倒檢測;4、基于智能手機的跌倒檢測。由于前三種方法的設(shè)計與實現(xiàn)具有一定的復(fù)雜度，對于被監(jiān)測人的隱私和日常的生活帶來不便，并且不方便在室外檢測。所以，本文出于對設(shè)備攜帶的方便性和系統(tǒng)的準(zhǔn)確度的考慮，決定采用智能手機作為跌倒數(shù)據(jù)采集器，并將采集到的數(shù)據(jù)實時傳送到服務(wù)器，依托于服務(wù)器的數(shù)據(jù)處理能力實現(xiàn)跌倒檢測算法。這種方法在一定程

3、度上避免了手機的計算能力限制跌倒檢測算法的復(fù)雜度的問題。本文的主要工作和成果如下:
　　(1)搭建數(shù)據(jù)采集平臺，對9種日常行為姿態(tài)和4種跌倒姿態(tài)行為進行采集。通過對每種行為數(shù)據(jù)的加速度和氣壓計進行分析，本文提出了的5個經(jīng)驗特征值。
　　(2)SVM算法中參數(shù)的選取對SVM分類器性能影響較大，所以通過網(wǎng)格搜索法、遺傳算法和粒子群算法分別對SVM算法的參數(shù)進行尋優(yōu)。根據(jù)Matlab仿真結(jié)果，選取適合本文的參數(shù)尋優(yōu)算法—網(wǎng)格搜索法

4、。
　　(3)根據(jù)網(wǎng)格尋參優(yōu)化的SVM分類器存在的問題，將KNN算法引入到SVM分類器中，形成SVM-KNN聯(lián)合檢測算法。進一步考慮特征集合的多維性和不平衡性，本文引入了標(biāo)準(zhǔn)化歐氏距離替代傳統(tǒng)的歐氏距離。
　　(4)提出了跌倒檢測系統(tǒng)的整體實現(xiàn)框架結(jié)構(gòu)，基于智能手機和服務(wù)器，實現(xiàn)基于網(wǎng)格尋參的SVM-KNN算法。實現(xiàn)了跌倒檢測系統(tǒng)，通過15名志愿者分別佩戴在胸前，腰部，臀部獲取到的810條日常行為數(shù)據(jù)集和360條跌倒數(shù)據(jù)集進