基于HMM-SVM的人体跌倒的事前预警与方向判别的研究

摘要

随着全球老龄化程度加剧、空巢家庭数目的增加，越来越多老人由于身体机能下降，反应力减弱等生理原因，易发生跌倒事故。跌倒预警系统在发生跌倒但未碰撞地面前完成判断，不但可在跌倒后及时通知亲属或监护中心，缩短等待救援时间；而且能提供充分预留时间供启动气囊等保护装置，可最大程度减少人体所受伤害，降低跌倒造成的医疗开支，增强独立生活的信心。
　　绝大多数研究在人体碰撞地面前仅能检测出跌倒趋势，无法进一步判别出跌倒方向。而进一步判别出跌倒方向，利于开启指定位置气囊提供更针对性保护，本文对实现判别跌倒方向的多值分类问题进行了研究，设计了具备高检测率充足预留时间的多值分类算法，这是跌倒保护系统的关键，也是本课题的研究重点。本文同时搭建了一套基于舵机气嘴的气囊充气装置，相比传统充气装置体积更轻便，以上2点为本课题研究的创新点。
　　本文首先确定了腰前位置穿戴MEMS惯性传感器采集数据，手机端执行算法发送警报的系统组成。通过分析跌倒与日常活动的合加速度、姿态角的时域特征曲线，证明了碰撞前跌倒预警和方向判别的可行性；采用Wrapper方法进行了特征选择，确定了最优特征组合，为混合模型的建立提供了特征向量。
　　针对以上特征向量，实现了基于隐马尔科夫-支持向量机(Hidden Markov Model-Support Vector Machine，HMM-SVM)混合模型的预警判别算法。先采用Matlab中的HMM工具箱建立了分别代表4类跌倒的输出概率模型，以生成匹配度特征向量；利用LIBSVM开发包完成了参数寻优，建立了基于SVM的最终判别模型，用于处理匹配度特征向量，完成跌倒预警与方向判别。
　　之后在Eclipse集成开发环境下开发了跌倒预警安卓程序，同时也提出了基于舵机气嘴的气囊充气方案并设计了该装置，最后对HMM-SVM多值分类算法和整机进行了测试。算法测试结果表明，各类跌倒和日常行为的检测率分别为96％、98%、96%、92%和97.5%，平均预留时间为245ms，验证了多值分类算法的有效性；整机测试结果确认在人体发生跌倒碰撞地面前，气囊已完成充气，在人体与地面间提供了保护层，证明了结构设计的合理性，系统的可行性。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究目的与研究内容

第二章 人体跌倒检测系统的构成

2.1 预警系统组成

2.2 传感器佩戴位置

2.3 跌倒事件与日常活动定义

2.4 采集数据预处理

2.5 本章小结

第三章 人体行为特征的提取选择与解算

3.1 特征提取

3.2 特征选择

3.3 姿态角解算

3.4 本章小结

第四章 基于HMM-SVM混合模型的预警判别算法

4.1 典型跌倒预警判别算法的介绍

4.2 人体跌倒预警判别模型选择

4.3 特征基于HMM的输出概率模型建立

4.4 输出概率基于SVM的最终判别模型建立

4.5 HMM-SVM混合模型的跌倒预警算法流程

4.6 本章小结

第五章 手机端安卓程序设计

5.1 安卓平台概述

5.2 交互界面设计原则

5.3 跌倒预警程序设计

5.4 本章小结

第六章 基于舵机气嘴的气囊保护装置结构设计

6.1 常见气囊保护装置介绍

6.2 基于舵机气嘴的装置设计

6.3 气囊保护装置选型

6.4 本章小结

第七章 实验与讨论

7.1 实验设计

7.2 实验结果与讨论

7.3 本章小结

第八章 总结与展望

8.1 论文工作总结

8.2 未来工作展望

参考文献

攻读学位期间本人出版或公开发表的论著、论文

致谢