基于支持向量机的跌倒检测算法研究.pdf

第 25卷 第 1期 光学 精密工程 Vol|25 No．1 2017年 1月 OpticsandPrecisionEngineering Jan．2o17 文章编号 1004—924X(2017)01—0182-06 基于支持 向量机的跌倒检测算法研究 裴利然 ，姜萍萍，颜国正 (上海交通大学 电子信息与电气工程学院，上海200240) 摘要 ：实时跌倒检测能有效降低老人因跌倒导致 的身心伤害，提高老人 的独居能力和健康水平 。为提高基于惯性传感器 的跌倒检测系统的准确率 ，降低系统误报率和漏报率 ，提出了应用基于径 向基函数的支持 向量机算法实现跌倒判定。首 先，应用佩戴在人体腰 间的便携式跌倒检测系统完成数据的采集 ；然后 ，利用基于径向基函数(RBF)的SVM 分类器标记 疑似跌倒行为，并利用粒子群算法完成分类算法中惩罚因子 C和 RBF参数 g的优化。结果表明，在区分跌倒与类似跌 倒的 日常活动时，基于 SVM算法的跌倒检测系统准确率、误报率和漏报率分别为 97．67 ，4．0 和 0．67 。与传统的 阈值方法相 比，跌倒检测性能有很大提高，从而加强了该系统在老人跌倒检测中的应用。 关 键 词 ：跌倒检测 ；惯性传感器；机器学习；支持 向量机 ；粒子群优化 ；径 向基函数 中图分类号 ：TP212．9 文献标识码 ：A doi：10．3788／OPE0182 Research on falldetection system basedon supportvectormachine PEILi—ran ，JIANG Ping—ping，YAN Guo—zheng (SchoolofElectricalInformationandElectricalEngineering， ShanghaiJiaoTongUniversity，Shanghai200240，China) *C0rres0 gauthor，E-mail：woaiwojiaPLR@sjtu．edu．cn Abstract：Real-timefalldetectionhasgreatadvantagesofreducingphysicalandpsychologicaldamage in seniorcitizensgroupafterfallsandimprovingsolitudeabilityandhealthlevelofseniorcitizens．A supportvectormachine(SVM )algorithm ，whichisbasedonRBF(RadialBasisFunction)andapplied toachievefalldetection，hasbeenproposedinordertoimproveaccuracyrateandlowerfalsepositive andfalsenegativerateoffalldetection system on thebasisofinertialsensor．First，thesystem completesdatacollection byportable inertialsensing system atwaist；then，itutilizesRBF—based SVM classifier to identify suspected fallbehaviors and Particle Swarm Optimization to complete optimizationofpenaltyfactor C‘’andRBF argument ‘g’insortingalgorithm．Thefallsand similar fallsdailyactivitiesdistinguishing experimetalresultsindicatethataccuracyrate，falsepositiveand falsenegativeratebasedon SVM