基于RBF神经网络的跌倒检测算法研究

针对现有跌倒检测方法动作识别效率低、适应性差等问题,提出基于RBF神经网络的跌倒检测方法,通过径向基函数(RBF)判别人体是否处于跌倒状态.分析了人体跌倒和其他日常行为运动特征,对人体的日常行为动作进行分类.利用惯性传感器采集人体运动加速度和角速度,以加速度和角速度组合为运动特征向量,采用RBF神经网络进行训练,构建RBF函数分类器,对人体动作行为进行判别,从而识别人体跌倒状态.实验将人体运动行为分为正常行走、跑步、上下楼梯、前向跌倒、侧向跌倒5类,训练样本采用1 500例,测试样本500例,其中每类动作各包含100例测试样本.结果 表明,当RBF模型隐含层数为350时,5类动作的准确率均可达到80％以上,且跌倒检测平均准确率为96％.因此基于RBF神经网络分类的跌倒检测算法能够准确地检测人体跌倒行为.