计算机技术与发展2022，Vol.32Issue(6) ：167-172,178.DOI:10.3969/j.issn.1673-629X.2022.06.028

基于RBF神经网络的跌倒检测算法

Fall Detection Algorithm Based on RBF Neural Network

刘勃 孔韦韦 肖家钦 王明伟
计算机技术与发展2022，Vol.32Issue(6) ：167-172,178.DOI:10.3969/j.issn.1673-629X.2022.06.028
✕
  • 维普
  • 万方数据

基于RBF神经网络的跌倒检测算法

Fall Detection Algorithm Based on RBF Neural Network

刘勃 1孔韦韦 2肖家钦 3王明伟4
扫码查看

作者信息

  • 1. 西安邮电大学 研究生院,陕西 西安 710121
  • 2. 西安邮电大学 计算机学院,陕西 西安 710121
  • 3. 八O二台,江西 吉安 343600
  • 4. 陕西科技大学 电子信息与人工智能学院,陕西 西安 710021
  • 折叠

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.

关键词

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

引用本文复制引用

基金项目

国家科技重大专项(2017ZX03001012)

陕西省教育厅服务地方专项(21JC002)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量13
段落导航相关论文