[发明专利]跌倒检测方法及系统

摘要

本发明提供了一种跌倒检测方法，该方法包括离线训练和在线检测两个阶段。在离线训练阶段结合随机样本选择和随机分类属性选择来训练多个子分类器；在线跌倒检测阶段，基于多个子分类器的分类结果给出最终判定结果。实验表明，本发明提供的跌倒检测方法可获得95.2％的准确率、90.6％的敏感度和93.5％特异性，明显优于基于SVM和BP神经网络跌倒检测方法，更准确地检测跌倒行为，具有较强的泛化能力和鲁棒性。

主权项

1.一种跌倒检测方法，该方法包括：步骤1)对于用户携带的移动终端采集的当前数据，使用训练好的预定数量的子分类器中每个子分类器以及从所采集的数据中提取与该子分类器对应的分类属性相关的数据，来判断用户是否跌倒；步骤2)根据少数服从多数的原则，基于各个子分类器的判断结果来确定用户是否跌倒；其中所述预定数量的子分类器是通过下面的步骤得到的：步骤a)采集跌倒行为和非跌倒行为产生的加速度数据，并基于预定的用于跌倒检测的特征集来构建样本数据集，所述特征集包括加速度数据的时间域和变换域的特征；步骤b)从所述样本数据集中随机抽取一个子样本集合，步骤c)从所述特征集中选择多个特征子集作为分类属性，基于所抽取的子样本集合分别训练与各子集对应的、用于进行跌倒检测的分类器，并从所得到的多个分类器中选择检测准确率最高的分类器作为子分类器；重复步骤b)和c)直到所选择的子分类器达到预定的数量为止；以及其中，所述方法还包括当用户反馈将非跌倒行为误判为跌倒行为或者将跌倒行为误判为非跌倒行为时，将当前采集的行为数据标记为非跌倒行为或跌倒行为加入到样本数据集中；以及当发现样本数据集更新后，重复步骤b)和c)来重新选择子分类器。