典型文献
多场景下的人体跌倒检测方法及应用
文献摘要：
针对可穿戴MEMS传感器检测多场景下的人体摔倒行为时,单一采用加速度阈值判断存在表征不完全的问题,提出了改进麻雀搜索算法(ISSA)优化SVM(SVM)的人体跌倒检测识别方法.首先通过可穿戴MEMS传感器采集人体离散化姿态数据,然后通过时间滑动窗口找出加速度阈值与角速度阈值特征向量并进行一级判定;同时构建ISSA-SVM跌倒状态检测模型,即利用改进的麻雀搜索算法对SVM的核参数和惩罚因子进行自适应优化,获得最优分类模型;最后根据SVM分类模型,对一级判定的数据进行分析,判断是否真正跌倒.实验仿真和产品应用结果表明:对于人体在不同场景下意外跌倒的检测,所提出的ISSA-SVM识别检测模型测试正确率达98％以上,同时降低了漏报率.经过多次测试,跌倒检测器表现出较好的鲁棒性.
文献关键词：
跌倒检测;特征向量;麻雀优化算法;支持向量机;自适应优化
中图分类号：
作者姓名：
仲济磊;黄震宇;陈珍萍;张静;吴祥
作者机构：
无锡开放大学机电与信息学院 无锡214001;苏州科技大学电子与信息工程学院 苏州215009;浙江工业大学信息工程学院 杭州310023
文献出处：
引用格式：
[1]仲济磊;黄震宇;陈珍萍;张静;吴祥-.多场景下的人体跌倒检测方法及应用)[J].电子测量技术,2022(20):21-28
A类：
B类：
多场景,人体跌倒检测,方法及应用,可穿戴,MEMS,传感器检测,摔倒,倒行,阈值判断,改进麻雀搜索算法,ISSA,检测识别,离散化,通过时间,滑动窗口,角速度,特征向量,状态检测,检测模型,改进的麻雀搜索算法,核参数,惩罚因子,自适应优化,分类模型,实验仿真,产品应用,同场,意外跌倒,识别检测,模型测试,漏报率,次测试,检测器,麻雀优化算法
AB值：
0.340987
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
