跌倒是公共卫生领域重点关注的内容,是造成老年人疾病负担的首要健康问题之一。加强老年人跌倒干预,有利于健康信息化服务体系建设。跌倒干预的研究重点是跌倒检测,而基于可穿戴的跌倒检测在费用和实用性上,更易于实际应用。本文针对可穿戴跌倒检测中的核心问题开展深入研究,为基于可穿戴传感的跌倒检测提供技术依据。本文开展跌倒检测研究,通过智能手机收集个人数据,开展针对用户个人的增量学习的跌倒检测;通过多部位可穿戴传感单元数据,开展可穿戴传感单元多部位组合研究;进一步分析真实跌倒场景与模拟跌倒场景差异,针对特定场景的跌倒进行检测研究。论文工作内容如下:1、通过组合加速度计、螺旋仪等传感单元,多维度获取人体动作,根据传感单元数据序列提取跌倒特征并进行筛选,通过增量学习算法Learn++组合基础分类器进行跌倒检测。子分类器采用支持向量机、C4.5决策树等算法,并抽取用户个人数据生成的子分类器,与通过公共数据生成的子分类器,生成针对用户个人的跌倒检测算法,在SisFall数据集中准确率达91.11%。2、采取在多部位佩戴传感单元进行跌倒检测,相互弥补不同位置传感单元对人体动作判断的误差,全面捕获人体活动规律,通过在胸部、腰部、腕部、脚踝等部位安放传感单元,采用卷积神经网络对输入传感单元数据进行特征提取,结合长短期记忆模型进行分类,发现多部位组合的分类准确率高于单个部位佩戴,脚踝、腕部、胸部和腰部组合的准确率为88.57%,胸部单独佩戴的分类准确率为80.00%。3、针对真实跌倒场景与模拟跌倒场景差距较大,造成的跌倒检测算法在应用中检测率降低问题。确定更类似真实跌倒的复杂跌倒动作,以及容易造成误判的近跌倒动作,通过长短期记忆-全卷积神经网络,自动提取这些跌倒场景特征,在对复杂跌倒及近跌倒检测中,准确率达98.76%。4、设计并实现基于可穿戴传感的跌倒检测及分析平台。系统包含移动端和平台端,移动端实现跌倒检测、个人实时体征信息展示功能。平台端对人体可穿戴传感单元佩戴效果分析,并展示和统计历史跌倒记录。