导读:本文包含了跌倒检测论文开题报告文献综述及选题提纲参考文献，主要关键词:跌倒检测,分数阶傅里叶变换,惯性传感器,特征提取
跌倒检测论文文献综述
王天润,苏中,刘宁,李超,付国栋[1]（2019）在《跌倒检测的时频特征提取方法研究》一文中研究指出针对跌倒检测特征值提取的问题,提出了通过分数阶Fourier变换(FractionalFourier Transform,FRFT)进行时频分析并提取特征值的方法,通过穿戴在人体上的15个IMU采集运动过程中的惯性数据,经过多阶次分数阶Fourier变换后,分析并比较其特征。比较了8种跌倒姿态的特征分布及这8种跌倒姿态与4种日常运动的特征分布,验证了将分数阶Fourier变换应用于跌倒检测的可行性。(本文来源于《系统仿真学报》期刊2019年12期）
朱连杰,陈正宇,田晨林[2]（2019）在《基于可穿戴设备的跌倒检测方法综述》一文中研究指出基于可穿戴设备的跌倒检测系统能检测人的跌倒行为,并在老人监护等场景下得到广泛应用,相关系统的设计也引起众多研究人员的关注。对于基于可穿戴设备的跌倒检测系统的研究情况做了详细综述,介绍了跌倒的过程,按照可穿戴设备跌倒检测系统的工作流程,分别从数据采集、数据预处理、特征提取和判别算法等几个方面介绍目前研究工作的开展情况,并对已有研究成果进行分类、对比和统计分析,为后续研究工作提供有意义的借鉴与参考。(本文来源于《计算机工程与应用》期刊2019年18期）
李京慧,迟宗涛,李钟晓[3]（2019）在《基于阈值分析法的人体跌倒检测系统》一文中研究指出为了在老年人跌倒时及时发现并进行救助,设计了一个跌倒检测、定位报警求救的智能系统。系统使用STM32F103ZET6作为微处理器,采用ADXL345叁轴加速度传感器采集数据,并用ATK—NEO—6M实现全球定位,跌倒发生时,SIM900A发送包含位置信息的求救短信给特定人员。提出了一种跌倒检测算法,根据设定的合加速度阈值和时间阈值,来检测失重、撞击、静止叁个过程是否顺序发生,根据设定的姿态角阈值,检测人体姿态角是否超过正常范围,从而判断是否跌倒。测试结果表明:系统性能稳定,检测跌倒的准确率达到97%,满足人体跌倒检测的标准。(本文来源于《传感器与微系统》期刊2019年08期）
何坚,张子浩,王伟东[4]（2019）在《基于ZigBee和CNN的低功耗跌倒检测技术》一文中研究指出针对社区老年人跌倒检测的低功耗、高准确率要求,本文在建立基于叁轴加速度、角速度的人体活动模型基础上,采用低功耗ZigBee和可在休眠状态采集并缓存数据的MPU6050动作传感器设计构造人体活动感知模块,并设计了中断驱动的低功耗人体活动数据采集传输算法,实现老年人活动数据的低功耗采集与远距离传输;其次,在数据接收端应用滑动窗口技术实时接收和缓存人体活动的叁轴加速度、角速度数据,将这些数据进行量程规范并映射成对应的RGB 3通道像素数据;最后,在分析人体日常活动与跌倒数据及其对应像素图差异的基础上,设计了面向跌倒检测的卷积神经网络(FD-CNN),并结合互联网上公开的日常活动和跌倒数据进行网络训练和测试.实验结果证明FD-CNN跌倒检测的准确率达到98.6%,系统的敏感度和特异性分别达到98.6%和99.8%,FD-CNN相比已有的跌倒检测算法在系统准确率、敏感度和特异性等方面都有显着提高;相比已有基于蓝牙的跌倒检测系统,本系统的传输距离远、易组网,同时系统功耗更低,适合于社区老年人的跌倒检测与报警.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年10期）
李欣欣,徐静,文欢[5]（2019）在《基于单片机的跌倒检测报警系统设计》一文中研究指出当代社会,老年人群健康安全监护的需求日益增加,老年人跌倒检测的研究成为社会关注热点。故文章设计了一种基于单片机的跌倒检测报警系统,选用STC89C52单片机作为控制芯片、ADXL345传感器作为检测模块以及GSM发送装置作为通信模块。首先,利用检测模块采集老人日常活动中的运动数据,经模数转换后将其发送给单片机,以判断老年人当前状态。当满足触发条件时,报警模块发出声音提醒老人和周围的人,并将求救短信发送到相关人员手机上。本设计有耗能低、易携带、传输距离远等特点,为老年人的安全防护提供一种智能手段。(本文来源于《无线互联科技》期刊2019年14期）
王晓雷,李栋豪,郑晓婉,闫双建,张庆芳[6]（2019）在《基于极限学习机快速分类的人体跌倒检测方法》一文中研究指出为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。(本文来源于《科学技术与工程》期刊2019年20期）
周闯,傅珈豫,缪伟伟,雷中贵,王勤[7]（2019）在《跌倒检测中人体头部和腰部相关性的研究》一文中研究指出本研究采用惯性传感器对跌倒过程中人体头部和腰部的运动学数据进行相关性分析,由志愿者模拟五种日常活动动作和四种跌倒动作,进行大量模拟试验。发现在实验条件下,人体头部和腰部的合加速度相关性极低或不相关,头部和腰部的合加速度偏离竖直方向的角度在大部分日常活动中相关性极低或不相关,但在跌倒过程中,具有较高相关性。该结论可为跌倒的预测及检测提供一种新方法。(本文来源于《生物医学工程研究》期刊2019年02期）
任宇飞[8]（2019）在《基于SVM的人体运动分析与防跌倒检测技术》一文中研究指出随着人们对健康监测关注度的日益增长和智能手机的普及,文中提出了一种基于SVM的人体运动分析方法,并基于该方法和Android平台设计了一种防跌倒系统。通过采集智能手机内置传感器的数据,并对原始数据进行滤波去噪、加窗分割、时频特征提取及特征降维等处理,使用SVM分析与识别不同的行为。该防跌倒系统,在检测到用户处于跌倒状态时会发出求救信息。实验与测试结果表明,所提出的方法能获得97. 5%的敏感性和98. 3%的特异性,对跌倒行为具有较高的识别精度。(本文来源于《信息技术》期刊2019年06期）
赵婉婉,任静,刘燕南,武东辉,余凯[9]（2019）在《基于AdaBoost多核支持向量机的跌倒检测研究》一文中研究指出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%.(本文来源于《轻工学报》期刊2019年03期）
吴海全,孙维国,张恩勤[10]（2019）在《带有人体跌倒检测的蓝牙耳机系统设计》一文中研究指出随着智能手机的普及以及老年化程度的提高,提出一种基于加速度传感器的人体跌倒检测功能的、带有检测心率功能的蓝牙耳机的系统设计。该系统主要在蓝牙耳机的基础上增加了利用SVM阈值法的判别方法对跌倒行为进行检测,结合心率检测来判断跌倒后的人体健康状态的功能,并通过蓝牙技术传输相关情况给智能手机,由智能手机进行及时通知紧急联系人。(本文来源于《电子制作》期刊2019年11期）
跌倒检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于可穿戴设备的跌倒检测系统能检测人的跌倒行为,并在老人监护等场景下得到广泛应用,相关系统的设计也引起众多研究人员的关注。对于基于可穿戴设备的跌倒检测系统的研究情况做了详细综述,介绍了跌倒的过程,按照可穿戴设备跌倒检测系统的工作流程,分别从数据采集、数据预处理、特征提取和判别算法等几个方面介绍目前研究工作的开展情况,并对已有研究成果进行分类、对比和统计分析,为后续研究工作提供有意义的借鉴与参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
跌倒检测论文参考文献
[1].王天润,苏中,刘宁,李超,付国栋.跌倒检测的时频特征提取方法研究[J].系统仿真学报.2019
[2].朱连杰,陈正宇,田晨林.基于可穿戴设备的跌倒检测方法综述[J].计算机工程与应用.2019
[3].李京慧,迟宗涛,李钟晓.基于阈值分析法的人体跌倒检测系统[J].传感器与微系统.2019
[4].何坚,张子浩,王伟东.基于ZigBee和CNN的低功耗跌倒检测技术[J].天津大学学报(自然科学与工程技术版).2019
[5].李欣欣,徐静,文欢.基于单片机的跌倒检测报警系统设计[J].无线互联科技.2019
[6].王晓雷,李栋豪,郑晓婉,闫双建,张庆芳.基于极限学习机快速分类的人体跌倒检测方法[J].科学技术与工程.2019
[7].周闯,傅珈豫,缪伟伟,雷中贵,王勤.跌倒检测中人体头部和腰部相关性的研究[J].生物医学工程研究.2019
[8].任宇飞.基于SVM的人体运动分析与防跌倒检测技术[J].信息技术.2019
[9].赵婉婉,任静,刘燕南,武东辉,余凯.基于AdaBoost多核支持向量机的跌倒检测研究[J].轻工学报.2019
[10].吴海全,孙维国,张恩勤.带有人体跌倒检测的蓝牙耳机系统设计[J].电子制作.2019