![](https://csdnimg.cn/release/download_crawler_static/87836751/bg7.jpg)
Error! Reference source not found.
人提出了基于改进的双并行通道卷积神经网络的跌倒检测新方法,该
方法使用了一种基于改进的双并行通道卷积神经网络(IDPC-CNN),该卷积神经网络利用
sEMG的光谱特征来识别来自日常活动的跌倒行为。
1.2.3 目前研究中存在问题
通过对国内外的相关研究现状的分析和对比,发现基于足底压力信息的摔倒识别与预警
系统主要存在以下几点问题:
(1)不少研究人员额外使用加速度计来增加运动数据维度以辅助摔倒检测识别算法,
但以多维数据来源为基础的检测系统通常需要使用外部设备,将其固定在老年人身上的某部
位,导致增加老年人的抗拒感,系统普及度大大降低。
(2)现有系统大都只能实现摔倒识别,且识别准确率有待提高,其辅助装备一般是在
老年人摔倒时进行辅助保护,降低身体损伤程度。如果可以设计提前判断老年人摔倒倾向并
及时使用辅助装备予以预警提示的检测系统,能够让老年人避免摔倒事件,降低摔倒概率。
(3)大多数摔倒识别系统没有使应用者直观感受到摔倒倾向,检测系统可视化不足。
相关研究人员在智能手机技术快速发展的今天,并没有合理的利用移动设备提供更多样化的
摔倒检测识别系统展示方式,有效实现人机交互。
本文针对上述存在问题进行理论研究,进而展开基于目前问题的系统设计分析,最终实
现一种以足底压力信息测量为基础的老年人摔倒检测与预警系统原型并对此系统进行了实
际应用的测试工作。
1.3 本文主要工作
本论文主要研究内容是将适配传感器应用于摔倒检测领域,并设计一个基于传感器和
Android 设备的整体解决方案,用以检测老年人摔倒情况。文中提出的方案将传感器和移动
设备结合起来,利用无线网络的传输优势,实现了摔倒检测和预警功能。本文主要工作有以
下几点:
(1)足力特征提取及数据采集系统设计。分析人体日常行为的足底压力变化趋势和特
征,根据足底主要穴位以及足底压力云图设计传感器分布方式,同时进行器件选型和传感器
阵列的排布。通过采集电路、信号调理电路和无线传输电路将信号传输到 HC-05 蓝牙模块,
之后通过上位机软件,进行系统功能测试。
(2)足力特征分析与摔倒动作识别算法设计。基于压力传感器的数据处理方法,通过
对足底压力特征参数分析,识别是否有摔倒趋势。将采集数据预处理为二维样本,从而得到
分类数据集,基于卷积神经网络搭建算法模型,对站立、步行、跛脚、蹲起、侧摔、前摔以
及后摔等七个常见动作进行分类识别。同时预处理为时间序列样本,用于 LSTM(Long
Short-Term Memory)时间序列预测,并进行实验验证算法可行性,利用常用评价指标对算
法结果进行对比分析。