龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学院微电子研究所
摘要：本发明涉及一种基于类别不平衡信号的跌倒检测方法及系统，属于行为识别技术领域，解决了现有技术因跌倒检测类别不平衡，很难从大量的日常活动中准确地识别出跌倒事件信号的问题。该方法包括：实时获取智能可穿戴设备采集的使用者的动作测试数据；所述动作测试数据，包括：加速度数据和角速度值；将所述动作测试数据输入最优深度学习模型，进行所述动作测试数据的动作类别识别，获取各动作类别概率值；将所述各动作类别概率值与最佳阈值进行比较，预测所述动作测试数据对应的动作类别；其中，所述最佳阈值用于根据深度学习模型训练时使用的样本数据集的不平衡率使预测结果向发生概率低的动作类别偏移。实现了基于类别不平衡数据的跌倒检测。
主权项：1.一种基于类别不平衡信号的跌倒检测方法，其特征在于，包括：实时获取智能可穿戴设备采集的使用者的动作测试数据；所述动作测试数据，包括：加速度数据和角速度值；将所述动作测试数据输入最优深度学习模型，进行所述动作测试数据的动作类别识别，获取各动作类别概率值；将所述各动作类别概率值与最佳阈值进行比较，预测所述动作测试数据对应的动作类别；其中，获取最佳阈值的方法包括：获取样本数据集，将所述样本数据集中数据划分为日常活动样本数据和跌倒样本数据，并统计所述日常活动样本数据数量和跌倒样本数据数量；根据所述日常活动样本数据的数量和跌倒样本数据的数量的比值，计算样本不平衡率；根据所述样本不平衡率对分类阈值进行调整，确定所述最佳阈值，所述最佳阈值为跌倒动作阈值λ*，表达为： *＝k×e-pa+b 其中，λ*为最佳阈值，k为分类器的默认分类阈值，ρ为样本数据集的样本不平衡率，a和b为常数，nmax为样本数据集中日常活动数据的数量，nmin为样本数据集中跌倒样本数据的数量；其中，所述最佳阈值用于根据深度学习模型训练时使用的样本数据集的不平衡率使预测结果向发生概率低的动作类别偏移。
全文数据：
权利要求：
百度查询： 中国科学院微电子研究所 基于类别不平衡信号的跌倒检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号