基于神网络摔倒识别算法研究报告.pdfVIP

1.向前摔倒时的pitch角由90°变为0°，roll角为0°不变；

2.向后摔倒时的pitch角由90°变为180°，roll角为0°不变；

3.向左摔倒时的pitch角由90°变为0°，roll角由0°变为-90°；

4.向右摔倒时的pitch角由90°变为0°，roll角由0°变为90°。

在这里，我们到1236组加速度数据。其中将摔倒分为前摔、后摔、左摔、

右摔共546组加速度数据，占总数据44%。其余690组加速度数据，由跑

步，走路，跌落等日常生活活动，却有可能被误判为摔倒所得到。其中加速

度数据包及加速度模向量数据组成，倾角变化数据由pitch角和roll变

化数据组成。详细的数据如以下表格所示：

行为数目

walk134

thresh6

shaking121

run132

right36

left199

jump38

forw226

fall38

drop134

back85

around87

总数1236

2．数据处理

用MATLAB对的数据进行处理，通过MATLAB画图，我们可将的数

据用图形展示，如下图为到的跑步时的加速度倾角变化数据图：

50

0

-50

0100200300400500600700

50

0

-50

0100200300400500600700

50

0

-50

0100200300400500600700

50

0

0100200300400500600700

150

100

50

050100150200250300350400450

50

0

-50

050100150200250300350400450

图中，依次、加速度模向量、pitch角、roll角数据图。根据实

验结果，可以发现跑步过程中加速度模向量变化范围大3m/s~30m/s之间变

化。跑步