基于Android移動(dòng)終端的跌倒檢測(cè)應(yīng)用設(shè)計(jì)與實(shí)現(xiàn).pdf

1、當(dāng)今社會(huì)老齡化趨勢(shì)不斷加劇，對(duì)老年人的健康護(hù)理問題越來越引發(fā)社會(huì)各界的關(guān)注。據(jù)統(tǒng)計(jì)，目前全國(guó)60歲以上老人已超過2億，占全國(guó)人口總量14.9％，預(yù)計(jì)2024年將達(dá)到4億，2049年將達(dá)4.8億。由于現(xiàn)代年輕勞動(dòng)人口的流動(dòng)性，子女不能長(zhǎng)時(shí)間守護(hù)在老人身邊，削弱了家庭養(yǎng)老的能力。對(duì)于老年人而言，跌倒是對(duì)其造成意外傷害的首要原因。當(dāng)老年人跌倒之后如何進(jìn)行快速有效的救助已經(jīng)引起了政府和社會(huì)各界的高度重視。
　　智能手機(jī)配備著豐富的傳感器，

2、比如加速度傳感器、磁場(chǎng)傳感器、光線傳感器、距離傳感器或GPS等，這些傳感器使得智能手機(jī)具備了檢測(cè)跌倒的硬件條件。除此之外，由于手機(jī)先天的通信功能，使得在檢測(cè)到跌倒行為之后可以進(jìn)行快速有效的救援呼叫。相比于穿戴式設(shè)備的使用侵入性，視頻圖像檢測(cè)的環(huán)境限制以及圖像處理的復(fù)雜性，使用智能手機(jī)進(jìn)行老人跌倒檢測(cè)成為業(yè)界研究的熱點(diǎn)。
　　基于以上研究背景，本文設(shè)計(jì)并實(shí)現(xiàn)了基于Android移動(dòng)終端進(jìn)行跌倒檢測(cè)的應(yīng)用。當(dāng)用戶攜帶裝有該應(yīng)用的智能手

3、機(jī)，當(dāng)發(fā)生跌倒時(shí)手機(jī)會(huì)檢測(cè)到跌倒行為并且獲取地理位置信息，然后會(huì)向外界發(fā)送求救信息。具體而言，本文的研究?jī)?nèi)容主要有以下四個(gè)方面：
　　1．跌倒分析以及模型建立。跌倒是指身體的姿態(tài)發(fā)生不受控的垂直變化，本文分析了跌倒過程中三維加速度傳感器的數(shù)據(jù)變化。建立三維坐標(biāo)的身體模型，與三維加速度傳感器的方向相對(duì)應(yīng)，當(dāng)身體向任意方向發(fā)生跌倒時(shí)，該方向的加速度值都可以分解為三個(gè)坐標(biāo)軸方向?qū)?yīng)的分量值，然后由加速度傳感器進(jìn)行數(shù)據(jù)采集。
　　2

4、．?dāng)?shù)據(jù)的采集與預(yù)處理。為了得到訓(xùn)練數(shù)據(jù)，編寫數(shù)據(jù)采集工具軟件，進(jìn)行多種方案的跌倒實(shí)驗(yàn)的數(shù)據(jù)收集，包括前向、后向、左側(cè)、右側(cè)以及不同身高體重情況下的跌倒方案。采集到的原始數(shù)據(jù)中包括噪聲和誤差，運(yùn)用加權(quán)平滑和簡(jiǎn)單移動(dòng)平均線的方法進(jìn)行數(shù)據(jù)的預(yù)處理，在取得相同平滑效果的情況下，前者的復(fù)雜度為O(1)，后者復(fù)雜度為O(N)，因此本文選擇加權(quán)平滑作為數(shù)據(jù)的預(yù)處理方法。
　　3．跌倒算法分析?？偨Y(jié)了常見的行為識(shí)別分類算法，包括決策樹、KNN、樸

5、素貝葉斯、SVM等，并且通過Weka機(jī)器學(xué)習(xí)平臺(tái)分析上述分類方法的性能，最后得出SVM的sensitivity、specificity以及accuracy分別是88.37%，92.82%，90.54%，能夠有效的進(jìn)行跌倒檢測(cè)。
　　4．跌倒檢測(cè)系統(tǒng)的實(shí)現(xiàn)?；贏ndroid智能手機(jī)平臺(tái)，實(shí)現(xiàn)了一款跌倒檢測(cè)APP，該APP能夠?qū)崟r(shí)的檢測(cè)用戶的行為，當(dāng)檢測(cè)到用戶發(fā)生跌倒時(shí)，能夠自動(dòng)地發(fā)送包含地理位置信息的求救短信到指定的救護(hù)人員，以快