论文部分内容阅读
目前,我国人口老龄化的问题愈加凸显。老年人由于身体机能的下降,跌倒发生的概率非常大,而跌倒会给老人带来生理和心理的巨大创伤,严重干扰了老年人的正常生活。因此,对跌倒识别的研究具有重要意义。本文在分析人体跌倒过程的基础上,完成了人体惯性信息采集系统的软硬件设计与实现,并通过该系统完成了人体加速度和角速度等惯性数据的采集;完成了基于阈值法的跌倒识别算法仿真分析,重点完成了基于隐马尔可夫模型HMM的跌倒识别算法的设计与仿真比较分析。本文的创新之处在于,采用合加速度与合角速度两个特征变量来建立跌倒碰撞前的HMM,再联合其所匹配的后验概率,使用支持向量机SVM进行跌倒动作与日常活动动作的分类识别,相较于只对单一合加速度特征变量建立的识别算法,提高了跌倒识别的灵敏性和特异性。本文主要工作如下:(1)在分析人体跌倒过程与日常活动过程的基础上,选取加速度、角速度等运动学特征变量作为跌倒识别的特征参数,完成对人体惯性信息采集系统的总体框架设计,完成了基于阈值法和HMM算法的跌倒识别流程设计。(2)完成了人体惯性信息采集系统的软硬件设计,包括系统传感器节点模块、基站模块、上位机软件平台三部分的设计;实现上位机软件平台对采集到的加速度、角速度信息的数据存储、波形显示、数据处理、参数配置等功能,并对功能模块进行了测试。(3)完成了基于阈值法的跌倒识别算法的设计实现与仿真分析。通过人体惯性信息采集系统获取人体跌倒和日常动作的惯性数据样本,使用SVM分类方法,对人的跌倒动作和日常活动动作分类,计算合加速度阈值与Pitch角阈值,结合阈值信息识别跌倒是否发生,并对识别效果进行了分析评价。(4)完成了基于HMM的跌倒识别算法的设计实现与仿真分析。通过提取人体跌倒撞击前一段时间的人体合加速度信息、合角速度信息的时间序列,分别进行训练并建立跌倒HMM;在识别过程中,通过计算观测序列与HMM模型匹配的后验概率,用SVM进行分类,识别是否将要跌倒;最后与单一合加速度信息建立HMM的跌倒识别算法进行了比较分析,本文方法提高了跌倒识别的灵敏性和特异性。