由于工作方式的改变及生活水平的提高,人们生活习惯与饮食习惯也发生着改变。一方面人们长时间呆在室内,出行基本依赖交通工具,导致很多人都缺乏运动,并存在久坐等现象。通过监测人体的日常运动,制定合理的运动计划具有重要的应用价值,另一方面随着老年人口的比例逐年增加,空巢老人的健康问题成了社会关注的重点,在老人独居或没有陪护家属情况下,意外跌倒与老人的高致死率紧密联系。跌倒检测可以减少跌倒发生与医护达到之间的时间间隔从而降低“长期躺倒”问题的严重影响。研究便捷、经济、准确的老人跌倒自动检测装置具有很大的实用研究价值。由于采用多传感器监测人体行为的方法有佩戴不舒服、计算量大、成本较高的问题,基于单节点惯性传感的人体行为识别具有较高的应用价值。然而现今还没有一个统一的标准规定特定人体行为的传感器佩戴位置。针对以上问题,本文设计实验对基于单节点惯性传感的人体各部位的行为识别性能进行对比,最终得出对于检测跌倒、走路、跑步、上楼梯、下楼梯、静止姿态等行为,腰部是惯性传感器的最理想佩戴部位,最后在嵌入式设备上实现并改进了腰部部署位置下的人体行为监测算法。本文工作的主要内容为:(1)制作基于惯性传感器的人体行为监测节点。该节点由传感模块、微处理器、存储模块、通信模块组成,能实时采集、存储、发送、处理人体行为的惯性传感数据。为使节点能实时监测人体行为,提高监测节点的续航能力,在本文的软硬件设计中需要考虑降低监测节点的功耗。(2)实验比较人体各节点对步态、跌倒、静止姿态的识别性能。设计数据采集实验,采集不同人、不同身体部位的人体行为,然后在Matlab上基于采集到的数据集设计行为识别算法,包括步态识别、跌倒检测、静止姿态识别、步行数识别。算法设计主要包括以下内容:滤波器的设计、特征的提取、分类器的设计。选用巴特沃斯低通滤波器对传感数据进行滤波。选用加速度三轴的FFT系数作为步态特征;选用冲击力、跌倒后姿态、身体翻转角度、竖直向下的速度作为跌倒特征;选用活动强度及身体姿态作为静止姿态的识别特征,选用峰谷差值及差值时间作为识别步行数的特征。联合使用决策树及支持向量机识别人体的各种行为。最终得出结论腰部是同时识别步态、跌倒、静止姿态、步行数的最理想位置。(3)在人体行为监测节点上实现腰部部署方式下的行为识别算法。将在Matlab上设计的行为监测算法移植到嵌入式设备上,为增加对上楼梯、下楼梯的识别率,使用气压计测量人体的高度变化值,将人体的高度变化值作为步态特征之一。最后设计实验,测试算法性能,实验表明步态识别率高于95%,跌倒的敏感性与专属性都为99.50%,计步准确率优于现有计步产品。