作者:李仲年,臧春华,杨刚,项嵘 单位:中国电子科技集团公司第四十七研究所 出版:《微处理机》2017年第02期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFWCLJ2017020170 DOC编号:DOCWCLJ2017020179 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于半监督学习的跌倒检测系统设计》PDF+DOC2016年第10期 李仲年,臧春华,杨刚,项嵘 《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥 《基于加速度传感器的人体前臂动作识别》PDF+DOC 张金栋 《基于加速度传感器的人体运动行为识别研究》PDF+DOC2016年第03期 张洁 《基于改进SVM分类器的动作识别方法》PDF+DOC2016年第01期 王见,陈义,邓帅 《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞 《基于NB-IoT的多用户异常跌倒检测系统》PDF+DOC2019年第01期 张美燕,徐松松,曽子芹,张炎,陈磊,叶浩凯 《基于倾角的跌倒检测方法与系统研究》PDF+DOC2013年第01期 朱勇,张研,宋佳,邱天爽 《基于压力传感器的跌倒检测系统研究》PDF+DOC2010年第03期 石欣,熊庆宇,雷璐宁 《基于加速度特征的人体跌倒检测算法》PDF+DOC2015年第01期 高晓娟,徐光辉,张欢,薛文生
  • 跌倒会对老人健康产生大的伤害,因此跌倒检测系统的重要性日益凸显。针对老人跌倒的复杂运动场景和噪声数据含有的大量有用信息,提出了一种噪声嵌入的跌倒检测系统。系统使用3D加速度传感器采集运动的加速度数据,分别对数据进行跌倒标注和噪声强度标注,然后对数据进行特征提取。使用特征和标注信息分别训练噪声强度分类和跌倒检测分类器,最终使用训练好的两个分类器实现跌倒检测。数据采集传感器设计为可穿戴设备,使用Zigbee进行组网,服务器端使用Java编写一个服务器程序,实现了对数据的分析与处理。实验结果表明系统能满足老年人日常生活中的需求,对一些意外跌倒能够给予及时的检测与报警。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。