基于Android的老年人智能监护系统研究

设计了一款基于Android便携式智能老年健康监护系统,系统包括跌倒检测、心率检测、地图定位3大功能模块。跌倒检测模块使用最大类间方差法计算最优阈值,采用合加速度幅值面积的曲线相似度区分跌倒行为与较高强度日常活动;采用小波阈值去噪算法去除输入信号中的噪声项,获得准确的实时心率测量结果;采用地图API的定位SDK,及时提供精确的位置服务,将异常警告及位置信息实时发送至监护人手机。系统采用Java语言进行设计开发,在Andorid平台上运行稳定。测试结果表明:跌倒检测的误报率和漏报率分别为1. 67%、2%,心率检测的平均绝对误差和平均相对误差分别为1. 6 bpm、2. 08%,可满足老年人监护的需求。

基于MHI的三重运动表现人体动作图像识别方法

针对传统的老年人智能监护系统中运动历史图像(motion history image, MHI)动作识别方法仅考虑时间序列特征而难以表示相机光轴方向(即深度方向)上的运动问题,基于传统MHI进行改进,提出一种三重运动表现图像(triplet motion representation images, TMRI)识别方法.该方法首先通过跟踪移动物体表面的特征点计算光流和检测消失点得到动作的深度信息,然后创建包含与传统MHI相同的时间序列图像、表现前景出现频率的重叠度图像以及表现相机光轴方向运动信息的深度图像3种类型的运动历史图像来描述目标对象的动作,最后利用各图像的特征对动作进行识别.结果表明基于MHI的三重运动表现图像方法的平均动作识别准确率可达84.35%,明显高于传统MHI方法的识别准确率(55.43%).