基于样本加权算法的检测摔倒动作的方法

摘要

本发明针对采集动作样本中普通动作样本与摔倒动作样本数量差距过大，导致建立数学模型时，动作样本识别分类线划分不正确，造成实际使用过程中误警率过高的问题，引入基于样本加权极速学习机ELM，增加数量较少的摔倒动作样本的权值，使得分类线向动作样本少的方向偏移，减少了误警率。应用本方法所设计的检测系统，结合了加速度计、陀螺仪和声音传感器的输出数据，利用检测模型判断是否摔倒，再通过高灵敏度气压计的重复确认，使检测摔倒的结果更加准确，减少了误报率，而且，对于可穿戴装备来说，本系统利用高灵敏度气压计重复确认，使该设备可以佩戴在使用者的腰部、手腕部、或者口袋中，对佩戴要求低，适用范围广。