论文部分内容阅读
随着中国老龄化进程的加剧,跌倒作为导致老年人死亡的最严重的意外伤害问题日渐突出。如何采用信息化手段减少可能发生跌倒意外事故的风险并降低跌倒伤害已经成为亟待解决的重要问题。本文针对跌倒风险评估及预警、跌倒行为检测及受力评估两个问题进行研究,并采用基于移动计算的方式设计了人体跌倒监控系统原型。本文具体研究工作如下所示:1.本文针对跌倒风险评估问题采用匹配病例对照的方法对跌倒风险因素进行提取,得到十种主要风险因素:跌倒历史、助行器或搀扶、医学诊断、精神状态、步态、眩晕、药物使用、视力不良、排泄方式、高血压。同时本文采用逻辑回归(Logistic Regression)的方法根据用户风险因素信息开展了预测用户跌倒风险的工作。同时针对跌倒环境风险因素采用DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法开展跌倒区域预警的工作,对用户所在区域跌倒强度进行评估及预警。2.本文针对跌倒行为检测问题采用滑动窗口算法对三轴加速度时间序列进行收集,并提取了三轴加速度时域特征及频域特征。同时我们采用卷积神经网络(Convolutional Neural Network,CNN)结合长短期记忆网络(Long Short Term Memory,LSTM)对跌倒数据进行了分类。并对比了决策树(Decision Tree)、K最近邻(k-Nearest-Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)、朴素贝叶斯算法(Naive Bayesian)等算法,针对向前跌倒、向后跌倒、左右跌倒得到98%、98%、98%的识别准确率。本文针对跌倒受力评估问题,首先采用了手机角度倾覆判断的方式结合动态时间规整(Dynamic Time Warping)算法对人体跌倒方向及受力部位进行了识别,针对向前、向后、侧向三个方向达到了93.33%、90%、86.66%的准确率。同时本文采取薄膜传感器设计实验开展了不同跌倒方向下不同着力部位人体受力大小检测工作,以进行后续对跌倒伤害的识别。3.本文通过采用智能手机收集用户三轴加速度传感器信号,实现了基于移动计算的方式设计了人体跌倒监控系统原型。原型借助智能手机定位、网络链接等功能,实现了跌倒预警-检测-救助完整流程,从而能够帮助用户在跌倒时及时得到救助。