基于随机森林的跌倒检测算法

来源：计算机应用杂志2015年第11期北京时间：

作者：罗丹, 罗海勇

单位：1. 北京邮电大学 国际学院, 北京 100083;2. 中国科学院计算技术研究所 普适计算研究中心, 北京 100190

摘要：针对现有跌倒检测算法由于缺乏真实老人跌倒样本以及使用年轻人仿真跌倒样本规模较小导致的过拟合和适应性不足等问题,提出了基于随机森林的跌倒检测算法.该算法采用滑动窗口机制,对窗口内的加速度数据进行时间域和变换域处理,提取时间域和变换域特征参数后,在所有样本集中进行有放回的Bootstrap随机抽样和属性随机选择,构建多个基于最佳属性分割的支持向量机(SVM)基本分类器.在线跌倒检测阶段,对多个SVM基本分类器的分类结果采用少数服从多数的原则,给出最终判定结果.实验表明,随机森林跌倒检测算法可获得95.2%的准确率、90.6%的敏感度和93.5%的特异性,明显优于基于SVM和反向传播(BP)神经网络跌倒检测算法,反映出随机森林跌倒检测算法能更准确地检测跌倒行为,具有较强的泛化能力和鲁棒性.

关键词：跌倒检测,随机森林,支持向量机,反向传播神经网络,属性

基金资助：国家自然科学基金资助项目(61374214);深圳市战略性新兴产业发展专项(深发改[2014]1787号).