基于多传感器和Bi-LSTM的个性化跌倒检测研究

• 全文链接
• 请求原文

作   者：

赵举;  郑建立; 

作者机构：

上海理工大学 健康科学与工程学院; 

关键词：

可穿戴设备;  多传感器;  双向长短期记忆网络;  个性化适配;  跌倒检测; 

期刊名称：

智能计算机与应用

i s s n：

2095-2163

年卷期：

2022 年 12 卷 004 期

页   码：

146-150,158

摘   要：

解决老年人发生意外跌倒却无法被及时发现与救治的问题.为提高跌倒检测的精确度与解决个性化适配问题,本文提出一种基于多传感器和Bi-LSTM神经网络的端云协同的个性化跌倒检测方案.该系统主要包括2方面,一方面是可穿戴设备设计与个体适配的实时跌倒检测算法的实现;另一方面是基于Bi-LSTM的云端个性化跌倒模型的构建.可穿戴设备主要使用加速度计、陀螺仪、磁力计和高度计进行数据采集,通过算法进行实时跌倒检测.云端通过滑动时间窗截取时间序列传感器信息,对采集到的传感器数据进行滑动平均滤波以去除噪声,然后分析不同行为活动下加速度、角速度、姿态角和高度的变化,对数据进行归一化等预处理,最终形成特征数据集进行模型训练与验证.实验结果表明,生成的个性化模型对跌倒和日常活动(ADL)的平均准确度达97.6%,AUC为98.5%,算法的敏感性和特异性分别为97.1%和96.6%,达到了预期效果.