中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2014年
4期
418-424
,共7页
王之琼%曲璐渲%隋雨彤%鲍楠%康雁
王之瓊%麯璐渲%隋雨彤%鮑楠%康雁
왕지경%곡로선%수우동%포남%강안
极限学习机%跌倒检测%BP神经网络%支持向量机
極限學習機%跌倒檢測%BP神經網絡%支持嚮量機
겁한학습궤%질도검측%BP신경망락%지지향량궤
extreme learning machine%fall detection%BP neural network%support vector machine
由于年龄和身体条件的限制,在老年人群中跌倒是非常普遍的现象.因此,根据老年人跌倒的运动特征,远程监测他们在各个时间段的状态,以便在其摔倒或突发状况时及时采取措施显得尤为重要.针对人体运动状态进行监测,分析人体运动学特征,提出基于极限学习机的跌倒检测算法.运用三维加速度传感器采集人体的三维加速度值,建立跌倒检测特征模型.在此基础上,建立基于极限学习机的跌倒检测分类器,完成对老年人的计算机辅助跌倒检测.实验数据共540例样本,选用了不同数量的训练集和测试集,其中440例作为训练数据,其余100例为测试数据.测试结果表明,准确率为93%,敏感度为87.5%,特异性为91.7%,具有良好的分类性能.在对分类训练的运行时间方面,基于极限学习机的跌倒检测方法与传统的机器学习方法相比具有明显优势.
由于年齡和身體條件的限製,在老年人群中跌倒是非常普遍的現象.因此,根據老年人跌倒的運動特徵,遠程鑑測他們在各箇時間段的狀態,以便在其摔倒或突髮狀況時及時採取措施顯得尤為重要.針對人體運動狀態進行鑑測,分析人體運動學特徵,提齣基于極限學習機的跌倒檢測算法.運用三維加速度傳感器採集人體的三維加速度值,建立跌倒檢測特徵模型.在此基礎上,建立基于極限學習機的跌倒檢測分類器,完成對老年人的計算機輔助跌倒檢測.實驗數據共540例樣本,選用瞭不同數量的訓練集和測試集,其中440例作為訓練數據,其餘100例為測試數據.測試結果錶明,準確率為93%,敏感度為87.5%,特異性為91.7%,具有良好的分類性能.在對分類訓練的運行時間方麵,基于極限學習機的跌倒檢測方法與傳統的機器學習方法相比具有明顯優勢.
유우년령화신체조건적한제,재노년인군중질도시비상보편적현상.인차,근거노년인질도적운동특정,원정감측타문재각개시간단적상태,이편재기솔도혹돌발상황시급시채취조시현득우위중요.침대인체운동상태진행감측,분석인체운동학특정,제출기우겁한학습궤적질도검측산법.운용삼유가속도전감기채집인체적삼유가속도치,건립질도검측특정모형.재차기출상,건립기우겁한학습궤적질도검측분류기,완성대노년인적계산궤보조질도검측.실험수거공540례양본,선용료불동수량적훈련집화측시집,기중440례작위훈련수거,기여100례위측시수거.측시결과표명,준학솔위93%,민감도위87.5%,특이성위91.7%,구유량호적분류성능.재대분류훈련적운행시간방면,기우겁한학습궤적질도검측방법여전통적궤기학습방법상비구유명현우세.