魏嘉雪，高冠东，滕桂法，3+

(1.河北农业大学 信息科学与技术学院，河北 保定 071000；2.中央司法警官学院 信息管理系，河北 保定 071000；3.河北农业大学 河北省农业大数据重点实验室，河北 保定 071000)

0 引 言

为进一步提高跌倒检测识别准确率、减少误报率[1，2]，解决RNN训练耗时长的问题，本文提出一种基于改进时间卷积网络(temporal convolutional network，TCN)的跌倒检测算法，为避免修正线性单元(rectified linear unit，ReLU)函数引起神经元“坏死”的情况，将ReLU改进为Leaky ReLU函数；在保证参数量更少的情况下使用全局平均池化层代替全卷积层；为了更好拟合模型，在残差结构中添加一层卷积操作。为了验证算法鲁棒性，本文利用智能手机中内嵌的加速度传感器和陀螺仪传感器获取数据集，与公用数据集MobiAct2.0进行融合作为实验的训练数据。实验数据共2359例样本，包括5类日常行为和4类跌倒行为。

1 研究近况

目前，根据使用的跌倒检测设备的不同，相关研究基本分为3大类：基于场景传感器[2]的跌倒检测研究、基于机器视觉[3-5]的跌倒检测研究和基于可穿戴设备[6，7]的跌倒检测研究，以减轻老年人因跌倒没有得到及时救治带来的伤害。

基于场景传感器的跌倒检测将传感器放置在室内固定位置以发现区域内跌倒情况。如，Diego等[8]提出基于支持向量机(support vector machine，SVM)与模板匹配结合的跌倒检测算法。该方法通过地板的声传感器捕获信号，不会侵犯用户隐私，但易受环境嘈杂的影响引起错误报警，检测范围有限，不适用于对老年人活动范围的全面检测；基于机器视……