论文部分内容阅读
针对现有基于特征的跌倒检测方法误报率较高和传统循环神经网络方法受梯度消失影响难以训练等问题,引入独立循环神经网络(RNN),通过构建基于独立循环神经网络的双向、多层和残差结构的跌倒检测模型,实现了对原始数据端到端的跌倒判决。通过选择合适的损失函数,实现了基于奈曼-皮尔逊准则的跌倒检测。利用研制的可穿戴式跌倒检测设备采集各种跌倒与非跌倒样式的数据,通过实验测试了不同网络结构和参数对模型训练的影响。结果显示,基于独立循环神经网络的跌倒检测方法更容易训练,检测率和误报率显著优于基于原始RNN的方法,与基于