计算机应用

作者：刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲

单位：1. 河北大学 电子信息工程学院, 河北 保定 071002;2. 河北省数字医疗工程重点实验室(河北大学), 河北 保定 071000;3. 河北大学 质量技术监督学院, 河北 保定 071002

关键词：跌倒检测,实时性,可穿戴设备,反馈机制,个人报警模型,阈值,极端随机树

基金：国家重点研发计划项目（2017YFB1401200）；河北省高等学校科学技术研究重点项目（ZD2020146）；保定市科技局重点研究项目（1911Q001）；河北省博士后科研项目（B2019005001）；河北省高等学校创新人才百强计划项目（SLRC2017022）。

针对基于可穿戴设备的跌倒检测存在的实时性与准确性无法兼得的问题，提出一种阈值和极端随机树融合的实时跌倒检测方法。在该方法中，可穿戴设备只需计算阈值量，无需确保跌倒检测的准确率，从而减少了计算量；同时，上位机利用极端随机树算法确保了跌倒检测的准确率。可穿戴设备通过阈值的方法过滤了大部分日常动作，因此减少了上位机检测的动作数据量。这样一来所提方法既满足了跌倒检测的高准确率，又满足了实时性。另外，为了降低跌倒检测的假阳性率，可穿戴设备融合了姿态角度传感器和压力传感器，上位机中加入了反馈机制。当检测结果出现假阳性时，通过上位机将检测错误的样本加入非跌倒数据集中进行再训练，模型经过这样的不断学习会生成适合个人的报警模型，且这种反馈机制为降低跌倒检测的假阳性率提供了新思路。实验结果表明，在1 259个测试样本中，所提方法具有平均99.7%的准确率，最低0.08%的假阳性率。

来源：2021年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第9期