基于網格尋參優(yōu)化SVM-KNN算法的老人跌倒檢測研究.pdf

1、自改革開放以來，我國經濟的高速發(fā)展帶動了醫(yī)療技術的全面提升。在生活質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，社會的人口結構一步步地在向老齡化轉變。跌倒是威脅生命的主要風險之一，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致危機生命安全。因此，設計一套精確的跌倒檢測系統(tǒng)，應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，具有重要的應用價值。
　　近年

2、來，常見跌倒檢測技術主要分為四類: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計與實現具有一定的復雜度，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，本文出于對設備攜帶的方便性和系統(tǒng)的準確度的考慮，決定采用智能手機作為跌倒數據采集器，并將采集到的數據實時傳送到服務器，依托于服務器的數據處理能力實現跌倒檢測算法。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雜度的問題。本文的主要工作和成果如下:
　　(1)搭建數據采集平臺，對9種日常行為姿態(tài)和4種跌倒姿態(tài)行為進行采集。通過對每種行為數據的加速度和氣壓計進行分析，本文提出了的5個經驗特征值。
　　(2)SVM算法中參數的選取對SVM分類器性能影響較大，所以通過網格搜索法、遺傳算法和粒子群算法分別對SVM算法的參數進行尋優(yōu)。根據Matlab仿真結果，選取適合本文的參數尋優(yōu)算法—網格搜索法

4、。
　　(3)根據網格尋參優(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，本文引入了標準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)的整體實現框架結構，基于智能手機和服務器，實現基于網格尋參的SVM-KNN算法。實現了跌倒檢測系統(tǒng)，通過15名志愿者分別佩戴在胸前，腰部，臀部獲取到的810條日常行為數據集和360條跌倒數據集進