一种跌倒检测模型构建方法及相应的跌倒检测方法和装置

发明专利有效专利

申请号：
CN201510751929.2
IPC分类号：A61B5/11
申请日期：
2015-11-06
申请人：
中国科学院计算技术研究所

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种跌倒检测模型构建方法及相应的跌倒检测方法和装置
申请号	CN201510751929.2	申请日期	2015-11-06
法律状态	授权	申报国家	中国
公开/公告日	2016-02-10	公开/公告号	CN105310696A
优先权	暂无	优先权号	暂无
主分类号	A61B5/11 ? IPC结构图谱： A 人类生活必需 A6 保健；救生；娱乐 A61 医学或兽医学；卫生学 A61B 诊断；外科；鉴定（分析生物材料入G01N，如G01N33/48） A61B5/00 用于诊断目的的测量（放射诊断入A61B6/00；超声波、声波或次声波诊断入A61B8/00）；人的辨识 A61B5/103 用于诊断目的的测量人体或人体部分的形状、模式、尺寸或运动的测量装置（A61B 5/08优先；专门适用于牙科的测量仪器入A61C 19/04）〔5〕 A61B5/11 测量人体或各部位的运动，例如头或手的震颤或肢体的活动性（用于测量脉搏入A61B 5/02）〔5〕	IPC分类号	A;6;1;B;5;/;1;1查看分类表>
申请人	中国科学院计算技术研究所	申请人地址	北京市海淀区中关村科学院南路6号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院计算技术研究所	当前权利人	中国科学院计算技术研究所
发明人	陈益强;陈振宇;沈建飞;蒋鑫龙;忽丽莎;王双全
代理机构	北京泛华伟业知识产权代理有限公司	代理人	王勇;李科

摘要

本发明提供一种跌倒检测模型构建方法，包括：1)基于所述初始训练数据集，采用加权SVM算法训练第一两类分类模型，并且通过调整跌倒行为和正常行为的类别权重使得同时满足：a：确保初始训练数据集中所有跌倒行为样本能够被正确识别，b：使初始训练数据集中被误识别为跌倒的正常行为样本数目尽可能小；2)将所有被识别为跌倒的训练样本从初始训练数据集取出，构建第二阶段训练数据集；3)基于所述第二阶段训练数据集，采用加权SVM算法训练第二两类分类模型，并且通过调整类别权重使得：所有正常行为样本都能够被正确识别。本发明还提供了相应的跌倒检测方法及装置。本发明能够减少检测装置对用户生活的干扰；且检测率高，误警率低。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供