论文部分内容阅读
随着现代医学技术的发展,人们在日常生活中越来越重视自身的健康,生活水平有了极大的提高,但同时也带来了人口老龄化的问题。伴随着老龄化问题的日益加重,如何保证老年人正常生活以及其人身安全,是社会关注的重点。而老年人摔倒问题会带来较高的住院率、治病率以及死亡率,给家庭和社会带来负担。现如今,可穿戴式摔倒检测设备在学术界和工业界已经受到关注。因此,老年人摔倒检测设备的研究具有重要的意义。本文主要针对老年人摔倒问题,设计了一种人体摔倒检测系统。本文充分考虑了摔倒检测设备的便携性以及实时性,设计了一种基于MPU6050的可穿戴老年人摔倒检测设备。本文的主要研究工作如下:(1)人体摔倒检测系统改进设计。首先,对人体在摔倒过程中的运动状态进行分析,从而选取人体在摔倒过程中最佳特征提取部位;然后搭建人体摔倒检测系统,包含检测系统的硬件选取、软件架构中的状态改进以及系统的参数设定等,其中系统主要采用MPU6050作为获取运动参数的传感器。(2)人体摔倒过程特征提取及分类方法。首先,收集人体日常行为与人体摔倒数据样本并对其进行预处理,预处理的目的在于得到消除数据中噪声的影响;然后,使用对预处理过后的数据样本进行快速傅里叶变换(Fast Fourier Transform,FFT),得到数据样本的频率特征向量;再次,提出基于双传感器的特征融合方法,将胸部以及大腿部的频域特征向量融合,并使用主成分分析(Principal Component Analysis,PCA)方法对融合过后特征向量进行降维处理,得到人体日常行为与人体摔倒样本的特征值;最后,基于极限学习机(Extreme Learning Machine,ELM)的分类方法建立人体摔倒识别模型。(3)实验及结果分析。设计实验使用极限学习机以及支持向量机(Support Vector Machine,SVM)两种分类方法对人体摔倒过程进行识别。实验结果表明,本文提出的特征提取及分类方法适用于人体摔倒检测,同时本文设计的人体摔倒检测系统具有良好的效果。