[发明专利]TensorFlow平台上基于LSTM神经网络的多传感跌倒检测的方法在审
| 申请号： | 201910157617.7 | 申请日： | 2019-03-01 |
| 公开（公告）号： | CN109820515A | 公开（公告）日： | 2019-05-31 |
| 发明（设计）人： | 余腊生;叶标 | 申请（专利权）人： | 中南大学 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11;G06N3/04 |
| 代理公司： | 长沙轩荣专利代理有限公司 43235 | 代理人： | 黄艺平 |
| 地址： | 410000 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种TensorFlow平台上基于LSTM神经网络的多传感跌倒检测的方法，包括：步骤101：通过仿生实验获取实验者身体上传感器数据，通过数据预处理；步骤102：通过TensorFlow平台构建基于LSTM神经网络训练的跌倒检测模型；步骤103：通过训练后的跌倒检测模型，对使用者的数据进行实时预测。本发明使用的多个人体特征参数重力加速度，角加速度以及脚底压力，将其合并到一个数据序列中，不仅可以更加全面的识别跌倒行为，减少因为人体体态多变性而发生的误判，而且还能发现生成抽象序列中各不同层次单元之间的关联关系，为接近跌倒的行为时也能表现出很强的适应性，从而为做出预防措施提供基础。 | ||
| 搜索关键词： | 跌倒检测 神经网络 传感 跌倒 神经网络训练 传感器数据 数据预处理 层次单元 关联关系 脚底压力 平台构建 实时预测 数据序列 特征参数 预防措施 误判 多变性 抽象 合并 表现 发现 | ||
【主权项】：
1.一种TensorFlow平台上基于LSTM神经网络的多传感跌倒检测的方法，其特征在于，包括：步骤101：通过仿生实验获取实验者身体上传感器数据，通过数据预处理；步骤102：通过TensorFlow平台构建基于LSTM神经网络训练的跌倒检测模型；步骤103：通过训练后的跌倒检测模型，对使用者的数据进行实时预测。
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南大学，未经中南大学许可，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/201910157617.7/，转载请声明来源钻瓜专利网。
- 上一篇：震颤检测记录分析仪
- 下一篇：一种人体运动监测系统
