首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
江灏,刘继新,周文深.基于FCM聚类和卷积神经网络的跌倒识别算法[J].数据采集与处理,2021,36(4):746-755
基于FCM聚类和卷积神经网络的跌倒识别算法
Fall Recognition Algorithm Based on FCM Clustering and Convolutional Neural Network
投稿时间:2020-09-09  修订日期:2021-03-05
DOI:10.16337/j.1004-9037.2021.04.013
中文关键词:  跌倒检测  模糊C均值聚类  卷积神经网络  深度视觉传感器
英文关键词:fall detection  fuzzy C-means (FCM) clustering  convolutional neural network  depth vision sensor
基金项目:江苏省高校自然科学研究面上(20KJD510008)资助项目;泰州市科技支撑计划(TS201817)资助项目。
作者单位邮编
江灏 南京航空航天大学民航学院,南京211106,中国 211106
刘继新 南京航空航天大学民航学院,南京211106,中国 211106
周文深 中国民用航空三亚空中交通管理站,三亚572000,中国 572000
摘要点击次数: 66
全文下载次数: 125
中文摘要:
      为了提高传统跌倒检测系统的识别准确度和运算速度,减小误报率和漏报率,本文提出了一种基于模糊C均值(Fuzzy C-means, FCM)聚类算法和卷积神经网络算法的实时跌倒检测算法。该算法以深度视觉传感器为数据获取源,提取聚类中心点速度、高度、加速度以及夹角为跌倒识别特征向量,采用阈值分析和机器算法相结合的方式实现人体跌倒识别。实验表明,该算法的识别精度达到99%,运算速度为0.178 s,相对于传统算法具有更高的识别精度和运算速度。
英文摘要:
      In order to improve the recognition accuracy and operation speed of the traditional fall detection system and reduce the false alarm rate and the missing alarm rate, a real-time fall detection algorithm based on fuzzy C-means (FCM) clustering algorithm and convolutional neural network algorithm is proposed. The algorithm takes the depth vision sensor as the data acquisition source, extracts the velocity, the height, the acceleration, and the angle of the cluster center point as the fall recognition feature vector, and uses the combination of threshold analysis and machine algorithm to realize human fall recognition. The experimental results show that the recognition accuracy of the algorithm reaches 99% and the operation speed is 0.178 s, which is higher than those of the traditional algorithm.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2276416位访问者 本站今日一共被访问437

技术支持:北京勤云科技发展有限公司