黄展原,李 兵,李庚浩,3

(1.对外经济贸易大学信息学院，北京 100029；2.东北大学计算机学院，加州 圣荷西 95136,美国;3.中国人民大学汉青经济与金融高级研究院，北京 100872)

1 引言

据中国国家统计局2018年发布的统计数据显示，我国目前老年人(65岁及以上人群)超过1.58亿人。这一数字在未来几年将持续增长。老年人由于平衡能力和视力等身体机能的退化，摔倒事件经常发生。具体来说，每年约有三分之一的老年人发生过摔倒[1]。摔倒对年轻人来说并不要紧，但对老年人却是非常危险的。它可能导致一些严重的疾病，如髋部骨折、头部受伤或心脏病发作。故而，摔倒成为中美两国老年人因伤致死的头号原因[2]。幸运的是，就医时间与摔倒死亡率之间存在明显的正相关。换句话说，如果能在很短的时间内就医，摔倒的老人可能不会有严重的后果。因此，自动化的摔倒监测越来越受到研究者和医护人员的关注。它可以在监测到老年人摔倒时自动发出警报，其家人或附近的医院可以迅速做出反应，以挽救生命或降低摔倒受伤的严重程度。

摔倒监测并不是一个全新的研究领域，早在20世纪80年代就有学者做过关于老年人摔倒的统计研究[2]。进入21世纪以来，也有学者借助机器学习方法，尝试实现自动化的摔倒监测[3,4]。最近两年，随着硬件能力的提升和深度学习的崛起，摔倒监测重新受到人们的关注。一些学者借助新出现的人工神经网络提升摔倒监测的准确率[5]。从目前摔倒监测的3种主流方法看，基于穿戴式传感器的方法和基于环境传感器的方法，都有设备复杂昂贵、操作不方便以及识别率低等缺陷；……