基于RBF神经网络的跌倒检测算法

作     者：刘勃 孔韦韦 肖家钦 王明伟 LIU Bo;KONG Wei-wei;XIAO Jia-qin;WANG Ming-wei

作者机构：西安邮电大学研究生院陕西西安710121 西安邮电大学计算机学院陕西西安710121 八〇二台江西吉安343600 陕西科技大学电子信息与人工智能学院陕西西安710021 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2022年第32卷第6期

页      面：167-172,178页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家科技重大专项项目(2017ZX03001012) 陕西省教育厅服务地方专项计划项目(21JC002) 

主　　题：跌倒检测 运动特征 分类识别 加速度传感器 RBF神经网络 梯度下降法 

摘      要：为了利用便携式可穿戴设备精确监测老年人运动状态,及时识别老年人突发跌倒等意外行为,针对传统算法中阈值设计的经验性、随机性等不足,提出基于径向基函数(radial basis function,RBF)神经网络的跌倒检测算法。通过分析研究人体日常行为和跌倒动作的运动特征,对人体日常运动状态进行分类。运用部署在人体腰部的三轴加速度传感器采集人体运动状态数据,构建关于加速度均值、标准差、极大值与极小值幅度差和极大值与极小值时间差的组合特征向量,采用梯度下降法进行RBF神经网络训练和优化,通过RBF神经网络分类器实现对日常行为和跌倒动作的识别。实验结果表明:基于RBF神经网络的跌倒检测算法在跌倒和非跌倒的分类识别中,准确率、灵敏度和特异性均保持了较高的水平,达到了较好的分类性能。