轻工学报

作者：赵婉婉, 任静, 刘燕南, 武东辉, 余凯

单位：郑州轻工业大学建筑环境工程学院,河南郑州450002

关键词：AdaBoost, 多核学习, 支持向量机, 跌倒检测

基金：河南省科技攻关计划项目（182102210622）；河南省高等学校重点科研项目（19A413013）

针对传统的跌倒检测模型实时性低、误报率高的问题，提出AdaBoost多核支持向量机模型（ADB-MKSVM），用于对跌倒动作进行检测识别.该模型基于改进的AdaBoost模型框架，将多核支持向量机作为基分类器，并集合这些基分类器构成一个更强的最终分类器；依据人体动作数据分布和每次训练集中各样本的分类是否正确，以及上次的总体分类准确率，来确定每个样本的权值，采用权重动态分配的方法提高跌倒动作的识别率.测试结果表明，该模型具有良好的分类性能，且传感器绑于腰部位置可有效提高跌倒动作的检测效果，其准确率为99.33%，跌倒检出率为63.6%，跌倒检测错误率为1.62%.

来源：2019年第3期

《轻工学报》期刊编辑部

查看轻工学报杂志2019年第3期