谷志瑜，刘建明，李建铎

(桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004)

0 引 言

跌倒是指使人不慎跌倒在地面、地板或其它较低平面地方的事故[1,2]。跌倒检测算法是能够将跌倒动作与日常生活中的正常动作区分开来的技术。准确地检测到跌倒动作的发生，是为后续提供更好的预防跌伤措施和在发生跌倒后采取及时救治行动的关键，因此，跌倒检测算法的研究是该领域的重点，也是难点。

本文拟提出一种基于自回归模型系数作为特征向量的跌倒检测算法。该算法对采集到的数据截取成2.02 s的数据片段，计算其对应的自回归系数、信号幅度和倾角构造成最终的组合特征向量，并采用基于反向传播算法(back propagation)的前馈神经网络实现跌倒和日常动作的判别，最后通过实验验证了该算法的可行性和准确性。

1 研究近况

近年，有许多的机构和科研人员在从事基于可穿戴式加速度传感器，或陀螺仪的跌倒检测算法研究。这些算法(系统)的目的是通过快速而准确地识别出跌倒事件的发生，便于及时通知家人和医护人员，减少老人跌倒后因长时间瘫躺在地面带来的伤害。这些算法(系统)主要分为两类：基于阈值(threshold-based)的算法[3]和基于机器学习(machine learning)的算法[4,5]。

阈值法的理论基础是Becker等提出的5阶段跌倒模型[6]，该模型将跌倒划分为：跌倒前阶段(pre-fall phase)、跌倒阶段(falling phase)、撞击阶段(impact phase)、静止阶段(resting phase)和恢复阶段(recovery phase)。该类算法主要通过判断识别跌倒过程中的一个或多个阶段的数据是否达到预设阈值，来实现对跌倒的检测。……