基于FCM 聚类和卷积神经网络的跌倒识别算法

朱 艳，李曙生，谢忠志

（泰州职业技术学院机电技术学院，泰州 225300）

引 言

随着人类社会的不断发展以及医疗条件的快速进步，人类平均寿命日益增加，老年人口所占的比例越来越大。随着年龄的增大，人体机能不断下降，从而造成跌倒的几率越来越大，跌倒成为危害老年人身体健康的主要外因［1⁃2］，成为老年人死亡的头号杀手。调查和研究发现，在跌倒事件发生后，如果能在第一时间得到合理的医疗救助，那么跌倒造成的伤害程度就可以降到最低，从而大大降低死亡风险，提高救治率。中国60 岁以上老年人口的数量不断增加，是世界上唯一老年人口超过两亿的国家［3］。因此，如何及时准确地对老年人进行跌倒检测，并在第一时间发出求救信号对保障老年人的生命健康尤为关键。

目前，国内外跌倒检测研究主要有3 种方法。第1 种为基于环境参数的跌倒检测［4⁃8］，Litvak 等［4］在房间地板上安装了多个声音和压力传感器，通过分析采集到的声频和压力信号来识别跌倒行为。Al⁃wan 等［6］在地板表面安装了压电式振动传感器，通过监测人体正常行走和跌倒时采集到的振动信号差别来识别跌倒行为。该方法成本较高，受周围环境影响较大，识别精度较低。第2 种为基于穿戴式智能传感器的跌倒检测［9⁃13］。Jahanjoo 等［10］从加速度传感器获取的三维加速度信息中提取跌倒特征序列，并采用模糊神经网络模型对样本进行分类，得到较好的识别效果。Kumar 等［11］将加速度传感器和陀螺仪穿戴于人身，并将获取的加速度和角度数据，通过支持向量机（Support vector machine，SVM）分类器进行跌倒识别，获取了93% 的识别精度。……