基于智能手机的跌倒行为识别算法研究

doi:10.19678/j.issn.1000-3428.0048883

计算机工程 ›› 2019, Vol. 45 ›› Issue (2): 178-183. doi: 10.19678/j.issn.1000-3428.0048883

基于智能手机的跌倒行为识别算法研究

杨晨晨,马春梅,朱金奇

天津师范大学计算机与信息工程学院,天津 300387

收稿日期:2017-10-09 出版日期:2019-02-15 发布日期:2019-02-15
作者简介:杨晨晨(1995—),女,学士,主研方向为群智感知、移动计算;马春梅(通信作者),讲师、博士;朱金奇,副教授、博士。
基金资助:
天津市自然科学基金(17JCYBJC16400,18JCQNJC70200,18JCYBJC85900);天津大创计划项目(201710065075);天津师范大学博士基金(043-135202XB1615)

Study of Fall Behavior Identification Algorithm Based on Smartphone

YANG Chenchen,MA Chunmei,ZHU Jinqi

School of Computer and Information Engineering,Tianjin Normal University,Tianjin 300387,China

Received:2017-10-09 Online:2019-02-15 Published:2019-02-15

摘要/Abstract

摘要：

利用智能手机的感知和计算能力,对跌倒行为识别算法进行研究。分析使用多特征传感器识别跌倒行为的必要性,并根据传感器对跌倒行为敏感程度的不同,提出基于主成分分析的多特征选择方法。针对传统K-means算法不能反映数据分布差异的问题,设计基于相对熵的跌倒行为识别算法,利用数据集分布距离进行跌倒行为识别。在真实环境下采集跌倒行为数据对算法性能进行评估,结果表明该算法能较好地识别跌倒行为,识别准确率高达96.7%。

关键词: 智能手机, 跌倒行为识别, 多特征选择, 主成分分析, 相对熵

Abstract:

This paper uses the perception and computing capacity of smartphones to study the fall behavior recognition algorithm.It analyzes the necessity of using multi-feature sensors to detect the fall behavior.According to the sensitivity of various sensors to the fall behavior,a multi-features selection method based on Principal Component Analysis(PCA) is proposed.Aiming at the problem that traditional K-means algorithm can not reflect the difference of distribution of data,a relative entropy based behavior identification algorithm is proposed.It uses the distance of distribution of data for fall behavior detection.It collects the data of the fall behavior under realistic environments and evaluates the performance of the proposed algorithm.Results show that the proposed algorithm can effectively detect fall behaviors and the accuracy is up to 96.7%.

Key words: smartphone, fall behavior identification, multi-feature selection, Principal Component Analysis(PCA), relative entropy

中图分类号:

TP391.4

杨晨晨,马春梅,朱金奇. 基于智能手机的跌倒行为识别算法研究[J]. 计算机工程, 2019, 45(2): 178-183.

YANG Chenchen,MA Chunmei,ZHU Jinqi. Study of Fall Behavior Identification Algorithm Based on Smartphone[J]. Computer Engineering, 2019, 45(2): 178-183.

http://www.ecice06.com/CN/Y2019/V45/I2/178

参考文献

［1］毛立昱.基于手机的跌倒监测系统设计与实现［D］.成都:电子科技大学,2014.
［2］周敏.基于移动终端的跌倒检测方法研究［D］.湘潭:湘潭大学,2013.
［3］MADANSINGH S,THRASHER T A,LAYNE C S,et al.Smartphone based fall detection system［C］//Proceedings of the 15th International Conference on Control,Automation and Systems.Washington D.C.,USA:IEEE Press,2015:370-374.
［4］秦昉.基于传感器的跌倒检测系统的研究与实现［D］.无锡:江南大学,2015.
［5］MCKENNA J,CHARIF N.Summarising contextual activity and detecting unusual inactivity in a supportive home environment［J］.Pattern Analysis and Applications,2004,7(4):386-401.
［6］ALWAN M,RAJENDRAN P J,KELL S,et al.A smart and passive floor-vibration based fall detector for elderly［C］//Proceedings of the 2nd International Conference on Information and Communication Technologies.Washington D.C.,USA:IEEE Press,2006:1-8.
［7］BAEK W S,KIM D M,BASHIR F,et al.Real life applicable fall detection system based on wireless body area network［C］//Proceedings of Consumer Communications and Networking Conference.Washington D.C.,USA:IEEE Press,2013:62-67.
［8］CHEN B,GWIN J.Fall detection and risk of falling assessment with wearable sensors［C］//Proceedings of Conference on Wireless Health.New York,USA:ACM Press,2012:13-17.
［9］全球智能手机用户数量分析［EB/OL］.［2017-08-11］.http://m.53shop.com/news/kes47743.html.
［10］秦昉,孙子文,白勇.基于智能手机的实时跌倒检测系统研究［J］.计算机工程与应用,2016,52(11):136-140.
［11］孙晓雯,孙子文,秦昉.基于阈值与PSO-SVM的人体跌倒检测研究［J］.计算机工程,2016,42(5):317-321.
［12］LAI C F,HUANG Y M,PARK J H,et al.Adaptive body posture analysis for elderly-falling detection with multisensors［J］.IEEE Intelligent Systems,2010,25(2):20-30.
［13］CASILARI E,OVIEDO-JIMNEZ M A.Automatic fall detection system based on the combined use of a smartphone and a smartwatch［J］.PLOS One,2015,10(11).
［14］SPOSARO F,TYSON G.Ifall:an android application for fall monitoring and response［C］//Proceedings of 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Washington D.C.,USA:IEEE Press,2009:6119-6122.
［15］YIN J,QIANG Y,PAN J J.Sensor-based abnormal human-activity detection［J］.IEEE Transactions on Knowledge and Data Engineering,2008,20(8):1082-1090.
［16］何山.基于智能手机的日常活动识别和跌倒检测［D］.武汉:华中科技大学,2013.
［17］BRO R,SMILDE A K.Principal component analysis［J］.Analytical Methods,2014,6(9):2812-2831.
［18］王松,夏绍玮.一种鲁棒主成分分析(PCA)算法［J］.系统工程理论与实践,1998(1):10-14.
［19］吴艳文,胡学钢.一种K-means算法的k值优化方案［J］.巢湖学院学报,2007,9(6):21-24.
［20］HERSHEY J R,OLSEN P A.Approximating the Kullback-Leibler divergence between Gaussian mixture models［C］//Proceedings of IEEE International Conference on Acoustics,Speech and Signal Processing.Washington D.C.,USA:IEEE Press,2007:15-20.
［21］相对熵［EB/OL］.［2017-08-11］.https://zh.wikipedia.org/zh-hans/%E7%9B%B8%E5%AF%B9%E7%86%B5.
［22］PARZEN E.On estimation of a probability density function and mode［J］.Journal Annals of Mathematical Statistics,1962,33(3):1065-1076.

[1]	阎馨, 朱永浩, 屠乃威, 吴书文, 王雨虹. 基于PCA与权重贝叶斯的工作面煤与瓦斯突出预测[J]. 计算机工程, 2021, 47(8): 315-320.
[2]	郝占军, 张岱阳, 党小超, 段渝. 基于信道状态信息的非接触式人员动作识别方法[J]. 计算机工程, 2021, 47(6): 172-181.
[3]	何必锋, 沈雷, 何晶, 蒋寒琼. 基于稀疏结构噪声检测的指静脉图像去噪算法[J]. 计算机工程, 2021, 47(5): 236-243.
[4]	杨明羽, 叶春明. 结合Bi-2DPCA与CNN的美式手语识别[J]. 计算机工程, 2021, 47(12): 278-284.
[5]	胡涛, 佃松宜, 蒋荣华. 基于长短时记忆神经网络的硬件木马检测[J]. 计算机工程, 2020, 46(7): 110-115.
[6]	党小超, 邓琦研, 郝占军. 基于30°角同心圆环形取样的室内人员检测方法[J]. 计算机工程, 2020, 46(4): 198-205.
[7]	张瑞, 陈红卫. 基于特征优化与SVPSO的工控入侵检测[J]. 计算机工程, 2020, 46(4): 19-25.
[8]	沈国良, 翟江涛, 戴跃伟. 基于Markov模型的HTTP参数排序隐蔽信道检测方法[J]. 计算机工程, 2020, 46(2): 154-158,169.
[9]	王旭仁,马慧珍,冯安然,许祎娜. 基于信息增益与主成分分析的网络入侵检测方法[J]. 计算机工程, 2019, 45(6): 175-180.
[10]	闫玉娟,李化,赵菊敏,李灯熬,刘佳. 基于CRFID和模式识别的跌倒检测系统[J]. 计算机工程, 2019, 45(6): 297-302,309.
[11]	狄瑞彤,王红,房有丽. 融合时间序列与多尺度特征的虚假评论识别方法[J]. 计算机工程, 2019, 45(3): 278-285,292.
[12]	陈思园,宋展,尹业安. 基于智能手机的三维重建方法[J]. 计算机工程, 2019, 45(3): 225-231,236.
[13]	夏胡云,叶学义,罗宵晗,王鹏. 多尺度空间金字塔池化PCANet的行人检测[J]. 计算机工程, 2019, 45(2): 270-277.
[14]	张裕平, 龚晓峰, 雒瑞森. 基于稀疏化双向二维主成分分析的人脸识别[J]. 计算机工程, 2019, 45(12): 232-236.
[15]	王琳, 赵俊莉, 段福庆, 周明全. 颅面复原方法综述[J]. 计算机工程, 2019, 45(12): 8-18.

选择文件类型/文献管理软件名称

选择包含的内容

基于智能手机的跌倒行为识别算法研究

Study of Fall Behavior Identification Algorithm Based on Smartphone

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于智能手机的跌倒行为识别算法研究

Study of Fall Behavior Identification Algorithm Based on Smartphone

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价