[发明专利]一种跌倒检测模型构建方法及相应的跌倒检测方法和装置有效
| 申请号： | 201510751929.2 | 申请日： | 2015-11-06 |
| 公开（公告）号： | CN105310696B | 公开（公告）日： | 2018-06-26 |
| 发明（设计）人： | 陈益强;陈振宇;沈建飞;蒋鑫龙;忽丽莎;王双全 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11 |
| 代理公司： | 北京泛华伟业知识产权代理有限公司 11280 | 代理人： | 王勇;李科 |
| 地址： | 100190 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种跌倒检测模型构建方法，包括：1)基于所述初始训练数据集，采用加权SVM算法训练第一两类分类模型，并且通过调整跌倒行为和正常行为的类别权重使得同时满足：a：确保初始训练数据集中所有跌倒行为样本能够被正确识别，b：使初始训练数据集中被误识别为跌倒的正常行为样本数目尽可能小；2)将所有被识别为跌倒的训练样本从初始训练数据集取出，构建第二阶段训练数据集；3)基于所述第二阶段训练数据集，采用加权SVM算法训练第二两类分类模型，并且通过调整类别权重使得：所有正常行为样本都能够被正确识别。本发明还提供了相应的跌倒检测方法及装置。本发明能够减少检测装置对用户生活的干扰；且检测率高，误警率低。 | ||
| 搜索关键词： | 初始训练数据 跌倒检测 跌倒 正常行为 分类模型 阶段训练 模型构建 数据集 权重 加权 样本 方法和装置 检测装置 行为样本 训练样本 用户生活 检测率 误警率 误识别 构建 取出 | ||
【主权项】：
1.一种跌倒检测模型构建方法，涉及包括跌倒行为样本和正常行为样本的初始训练数据集，其特征在于，所述跌倒检测模型构建方法包括下列步骤：1)基于所述初始训练数据集，采用加权SVM算法训练第一两类分类模型，并且通过调整跌倒行为和正常行为的类别权重，使得所训练的第一两类分类模型能够同时满足下述a、b条件：a：确保所述初始训练数据集中所有跌倒行为样本能够被所述第一两类分类模型正确识别，b：使所述初始训练数据集中被所述第一两类分类模型误识别为跌倒的正常行为样本数目尽可能小；2)将所有被所述第一两类分类模型识别为跌倒的训练样本从初始训练数据集取出，构建第二阶段训练数据集；3)基于所述第二阶段训练数据集，采用加权SVM算法训练第二两类分类模型，并且通过调整跌倒行为和正常行为的类别权重，使得所训练的第二两类分类模型能够满足：所有正常行为样本都能够被所述第二两类分类模型正确识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510751929.2/，转载请声明来源钻瓜专利网。
