计算机工程

作者：杨志勇, 王俊杰, 金磊

单位：南昌航空大学 软件学院, 南昌 330063

关键词：摔倒检测,无线传感,小波变换,联合特征,SE-CNN模型

基金：国家自然科学基金（61501218，61761031，61961029）；江西省自然科学基金（20181BAB202015）。

人口老龄化是当今社会发展不可忽视的问题，目前有很大一部分老年人在无人照顾的境况下独自生活，摔倒后无法及时得到救助成为威胁老人生命安全的重要原因之一。现有的人体摔倒检测方法存在适应性差、高入侵性、易误判、成本昂贵等问题，且无法快速、实时检测老人摔倒。提出一种基于机器学习和无线传感器网络的摔倒检测方法，使用多个物联网传感节点组建无线传感器网络采集RSS数据，对采集到的RSS数据进行预处理后，通过XGBoost模型对时域特征分量和小波域特征分量进行处理，并以排列组合方式得到具有强鲁棒性的联合特征分量。利用深度学习网络获得数据潜在规律的特点构建人体摔倒识别模型，采用卷积神经网络作为主干网络，并在相邻网络层之间引入通道注意力模块，通过构建SE-CNN模型实现人体摔倒检测。实验结果表明，联合特征的加入能够提高RSS数据的可区分性，且SE-CNN模型的识别准确率高于CNN模型，可以实现高准确率的人体摔倒检测。

来源：2022年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第6期