基于条件随机场的参与式跌倒检测方法

《基于条件随机场的参与式跌倒检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTER’SDISSERTATION论文题目基于条件随机场的参与式跌倒检测方法作者姓名刘然学位类别工程硕士指导教师刘文远教授2016年5月中图分类号：TP311学校代码：10216UDC：004密级：公开工程硕士学位论文（工程设计型）基于条件随机场的参与式跌倒检测方法硕士研究生：刘然导师：刘文远教授副导师：张淑杰高工申请学位：工程硕士学科专业：计算机技术所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ADissertationinComputerTechnologyPARTICIPATORYFALLDETECTIONMETHODBASEDO

2、NCONDITIONALRANDOMFIELDbyLiuRanSupervisor:ProfessorLiuWenyuanYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于条件随机场的参与式跌倒检测方法》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日摘要摘要我国人口老龄化问题日益严重，老年人的健康安全

3、监护已经成为移动计算技术研究热点之一。跌倒作为威胁老年人的身心健康的重要因素之一，受到学术界和工业界研究人员的普遍重视。现有的跌倒检测系统局限于计算复杂度高、需要外部部署以及可扩展性差等诸多因素，使其不能得到广泛应用。论文基于参与式统计感知方法，在人体动作特征识别分类和利用条件随机场模型判定跌倒两面方面做了深入研究。首先，提出基于统计感知的动作识别分类的方法。利用智能手机内置传感器收集人体动作信号，进行过滤降噪后，提取峰值特征、协方差特征和频域特征，利用支持向量机将人体动作分为日常动作、跌倒及疑似跌倒动作、步态异常和静止四大类，为后续上下文识别跌倒行为提供标注依据。其次，提出基于条

4、件随机场的跌倒检测模型。根据人体动作的分类和动作之间的上下文联系，进行动作标注和特征标注；通过极大似然估计和梯度算法进行条件随机场模型参数训练，然后在给定条件随机场模型参数的情况下，利用维特比算法预测出最可能的动作序列。最后，使用多种智能手机采集传感器数据，在Matlab平台和VisualStudio平台上进行实验，对本文提出的特征提取、行为分类和跌倒检测方法进行全面的性能分析、阈值确定和准确度分析。关键词：参与式感知；特征提取；支持向量机；行为序列；跌倒检测；条件随机场I燕山大学工程硕士学位论文AbstractPopulationagingproblemisincreasingl

5、yseriousinourcountry,theoldpeople'shealthandsafetymonitoringhasbecomeoneofthemobilecomputingtechnologyresearchhotspot.Fallingdownasoneoftheimportantfactorsthatthreatenphysicalandmentalhealthoftheelderly,hasdrawnattentiontotheresearchersfromacademiaandindustry.Existingfalldetectionsystemsarelim

6、itedtohighcomputationcomplexity,needingexternaldeployment,poorextensibilityandmanyotherfactors,makingitcannotbeusedwidely.Thepaperbasedonthestatisticsofparticipatoryapproach,onbothsidesofbodymovementcharacteristicrecognitionclassificationandtheuseofconditionalrandomfieldmodeltojudgefallinghasd

7、onein-depthresearch.First,putforwardtheclassificationofactionrecognitionmethodbasedonstatisticalsense.Usesensorsbuilt-insmartphonestocollecthumanmotionsignal,thenfilternoisetoextractpeak,covariancecharacteristicsandfrequencydomain,Useth