基于多特征学习融合级联分类的跌倒识别.pdf
《基于多特征学习融合级联分类的跌倒识别.pdf》由会员分享,可在线阅读,更多相关《基于多特征学习融合级联分类的跌倒识别.pdf(9页珍藏版)》请在咨信网上搜索。
1、华南师范大学学报(自然科学版)()():./.收稿日期:华南师范大学学报(自然科学版)网址:.基金项目:广东省自然科学基金项目()广州市科技计划项目()广东省大学生创新训练项目()通信作者:张涵:.基于多特征学习融合级联分类的跌倒识别张 涵 欧阳俊斌 郑荣佳 蔡杰泉 高 宇(.华南师范大学物理与电信工程学院/广东省心脑血管个体化医疗大数据工程技术研究中心 广州.华南师范大学工学部电子与信息工程学院 佛山)摘要:为解决不同跌倒方式的训练误差无法充分收敛而导致分类效果欠佳的问题在提取穿戴式设备加速度、角速度及合加速度三维特征的基础上提出了一种级联分类的跌倒识别()方案同时为降低级联串行运算的复杂度
2、进一步提出了基于经验特征维度降维的低复杂度级联分类跌倒识别()方案 最后面向 数据集分别使用单个多分类器方案、方案和 方案进行四分类任务(日常行为向前跌倒横向跌倒向后跌倒)对 和训练时间复杂度进行对比 实验结果表明:方案在四分类跌倒任务时的 达.在接近无损 的前提下 方案的训练时间复杂度比 方案降低了.且该方案的 高于同类跌倒识别方案关键词:跌倒识别 级联分类 特征降维中图分类号:文献标志码:文章编号:()(./.):().().().:根据世界卫生组织关于老年人跌倒问题的报告在 岁以上的老人中每年发生跌倒的人数高达 在 岁以上的老人中每年发生跌倒的人数高达 老年人在跌倒后易出现骨折和晕厥等症
3、状如果不能及时发出报警信息并采取有效的医疗措施跌倒老人的生命安全将会受到严重威胁 鉴于此对老人的跌倒行为进行准确的检测与识别具有重要的研究意义现有跌倒检测的目标是准确及时地检测老年人是否发生跌倒 在此基础上跌倒识别可以对不同跌倒姿态进行分类对防跌倒环境设计更具有启发性和针对性 已有文献报道借助可穿戴终端实现实时跌倒检测的技术方案例如在老年人肢体末端佩戴如手表、手环等低负荷加速度传感设备实时测量老年人运动过程数据结合数据处理方法可实现面向不同姿态的跌倒检测 从数据处理角度跌倒检测的主要方法包括阈值法、端到端深度学习和基于特征训练的机器学习 类 例如:等研究了一种以合加速度和姿态角为特征量进行跌倒
4、检测的算法该算法以阈值法为核心对跌倒行为进行检测但是存在虚报率高、性能不稳定的弊端借助视频分析技术 等提出首先提取人体发生跌倒时的轮廓在样本标注的基础上将信息接入 深度模型进行自动训练 但是在面向视频动作检测等复杂任务时深度学习模型普遍对终端算力资源要求较高因此部署到常规小型穿戴式设备的难度较大近年来以特征为输入的机器学习分类方案克服了阈值法性能不稳定的弊端且方案的实现对终端处理需求不高因此对面向时间序列的跌倒事件提取有效特征结合分类器实现高效训练与跌倒检测的方法被国内外学者广泛关注 例如裴利然等提出基于径向基函数的 分类器实现跌倒检测 然而从跌倒类型多分类识别的角度以特征为输入的机器学习分类
5、方案仍存在局限性 例如特征输入的维度有限不能完全包括区分不同跌倒方式的有效特征导致在多任务决策时不同的跌倒方式的 有 效 信 息 差 异 大 具 体 表 现 为:等面向 数据集基于腰部传感特征分类 种跌倒事件检测的准确率最高仅.而 等将 种跌倒类型融合为向前、向后和横向三大类后分类准确率仅提升至.可见在面向跌倒识别多分类任务时因不同任务下特征携带的有效信息成分存在显著差异性导致训练过程中面向不同任务的收敛程度不相同限制了分类器在面向多任务决策时的最优性能针对上述问题本文基于特征决策开展跌倒多分类的研究 在传统角速度、加速度及合加速度融合特征的基础上首先提出一种级联分类的跌倒识别()方案以解决因
6、不同跌倒方式的训练误差反馈异同而导致类间无法充分收敛的问题在保持较高分类性能的前提下进一步提出一种低复杂度级联分类的跌倒识别()方案以解决 方案分类复杂度高的弊端 最后基于 公开数据集分别采用常规的跌倒识别方案(即使用单个多分类器的方案)、方案、方案对正常、向前、向后和横向 种行为分类对比 种方案的 和训练时间复杂度 数据预处理.数据集分割为更好地验证方案的分类效果研究采用 开源数据集 该数据集样本由 位 岁年轻人和 位 岁老年人构成所有样本均在腰部佩戴 加速度计、加速度计和 陀螺仪进行运动数据采集 运动数据由人工标注形成共 种跌倒行为标注分别为:走路时向前滑倒()、走路时向后滑倒()、走路时
7、横向滑倒()、走路时向前绊倒()、慢跑时向前绊倒()、走路时因晕倒发生垂直跌倒()、用手扶桌子以抑制因晕厥发生的跌倒()、试图站起时向前跌倒()、试图站起时横向跌倒()、试图坐下时向前跌倒()、试图坐下时向后跌倒()、试图坐下时横向跌倒()、坐下时因昏厥发生的向前跌倒()、坐下时因昏厥发生的向后跌倒()、坐下时因昏厥发生的横向跌倒()每个样本数据时长为 其中跌倒行为数据主要由年轻人模仿老年人跌倒采集完成 数据集中的跌倒行为分为失衡、失重、撞击和静止 个阶段 根据统计分析可知一个完整的跌倒时长平均约.仅占每个标注样本持续时长的 因此为了减少单个样本训练时间同时更加有效地捕捉跌倒行为产生的运动特征
8、本文采用基于 时间尺度进行特征提取并参考文献通过设计分割间隔为.的滑动窗口对跌倒行为数据进行分割(图)图 特征提取滑动窗设计 第 期张 涵等:基于多特征学习融合级联分类的跌倒识别.数据类型融合跌倒发生时不同的跌倒方向可能会使身体的不同部位受到伤害 鉴于 数据集中 种跌倒类型的相似性本文对 种跌倒类型进行基于方向性的融合 具体来讲借助传感数据在特定跌倒方向所呈现差异的角度将 种跌倒类型融合为向前、向后和横向跌倒 种类型(表)表 融合后的跌倒类型 跌倒行为跌倒类型、向前跌倒、向后跌倒、横向跌倒 跌倒识别方案.特征提取对数据进行分割提取后的分析发现:在跌倒发生时 加速度计和 陀螺仪输出的数据在失重点
9、、峰值等维度具有显著差异性如加速度的差异(图)鉴于此本文首先提取了与加速度、角速度及合加速度相关的 个特征(表)图 日常行为与跌倒行为的加速度图 表 窗口特征量提取表 特征量数学表示维度加速度最大值 ()加速度最小值 ()加速度平均值 ()加速度标准差 ()()加速度峰度 ()()加速度偏度 ()()加速度最大差值 ()加速度最大差值斜率 ()合加速度累计差值 ()合加速度积分 华 南 师 范 大 学 学 报(自 然 科 学 版)第 卷续表特征量数学表示维度角速度最大值 ()角速度标准差 ()()角度最大差值 ()角度最大差值斜率 ()注:、分别表示滑窗内第 个采集点的加速度、角速度 ()()
10、为在.滑窗内采集的数据个数 对特征提取后的样本标注与 相似原始跌倒数据中需同时满足合加速度最大值和最小值否则标记为日常行为 按照以上的样本标注规则分别标注了 份日常行为样本及 份跌倒行为样本.级联分类的跌倒识别()方案在特征提取的基础上本文对融合后的 种跌倒类型与日常行为进行四分类 基于分析可知日常行为类别的分类边界效应最显著(.)而由于向后、向前、横向跌倒类型的分类难度增加这 类跌倒类型的 依次降低为.、.、.这意味着面向表 中的 类跌倒行为进行直接分类可能因不同跌倒类型的特征信息差异性、任务难度差异性等因素而无法得到最优的分类性能鉴于此本文提出 方案以解决因不同跌倒类型的分类难度和特征信息
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 特征 学习 融合 级联 分类 跌倒 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。