Multisensoryczny detektor upadków wykorzystujący dyskretną dekompozycję falkową oraz klasyfikator SVM

• Autorzy: Wójtowicz B. , Dobrowolski A. P.

Warianty tytułu

EN

A multisensor fall detector using the discrete wavelet decomposition and SVM classifier

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano wyniki badań opracowanego mechanizmu detekcji upadków. Wysoką niezawodność oraz niski poziom fałszywych alarmów uzyskano w wyniku zastosowania czterech niezależnych sensorów różnych wielkości fizycznych oraz wyrafinowanych metod przetwarzania sygnałów i eksploracji danych. Przeprowadzone badania pozwalają na stwierdzenie, że pominięcie znaku deskryptorów znacznie poprawia skuteczność prawidłowej klasyfikacji upadków. Z tego powodu w dalszych pracach zostanie przyjęty algorytm wykorzystujący wartości bezwzględne wyznaczanych cech. W trakcie badań zaobserwowano, że zwiększanie liczby cech użytych w procesie uczenia oraz testowania nie prowadzi do zwiększenia jakości klasyfikacji. Wynika stąd potrzeba dobrania optymalnej liczby deskryptorów. Dlatego istotnym warunkiem poprawy skuteczności systemu jest przeprowadzenie właściwej selekcji cech, co jest głównym celem kolejnego etapu badań.

EN

The paper presents the results of research on a fall detection algorithm. The high reliability and a low level of false alarms were obtained by the use of four independent sensors of various physical quantities as well as sophisticated methods of signal processing and data mining. The algorithm was implemented and tested in Matlab. It was based on the discrete wavelet transform and a support vectors machine. The source of the data was processed by the detector presented in [5, 6]. The device integrates four MEMS sensors. It includes an atmospheric pressure sensor and three triaxial sensors, such as an accelerometer, a gyroscope and a magnetometer. The signal from each of the available sensors was sampled at a frequency of 25 Hz. The processed and analyzed frame had the length of 100 samples, which equaled four-second registration. The scheme of the measurement system is shown in Figure 3. The obtained findings were the basis for the presentation of each sensor in the field of ROC curves in two variants (taking into account an extracted feature with the sign and with its omission). Definitely, better results were obtained using the absolute values of the descriptors in the process of learning/testing. The best results of fall detection were received for a gyroscope and an accelerometer, followed by a magnetometer and a barometric pressure sensor. From the studies one can draw a conclusion that the omission of the sign descriptors significantly improves the correct classification of falls. For this reason, in further work there will be adopted an algorithm using the absolute values of extracted features. During the study it was observed that the increase in the number of features used in learning and testing did not lead to the increase in the quality of classification. This calls for the selection of the optimum number of descriptors. Therefore, an important prerequisite to improve the efficiency of the system is a proper feature selection, which is the main objective of the next stage of investigations. In further research, we plan to implement the data fusion algorithm in order to increase the effectiveness of the mechanisms developed.

Słowa kluczowe

PL

detekcja upadków; fuzja sensoryczna; sieć wektorów podtrzymujących

EN

fall detection; data fusion; support vector machine (SVM)

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2014
• Tom: R. 60, nr 9
• Strony: 729--732
• Opis fizyczny: Bibliogr. 9 poz., tab., rys., wykr.

Twórcy

autor

Wójtowicz B.

• Wydział Elektroniki Wojskowej Akademii Technicznej w Warszawie

autor

Dobrowolski A. P.

• Wydział Elektroniki Wojskowej Akademii Technicznej w Warszawie

Bibliografia

• [1] Rządowy program na rzecz aktywności społecznej osób starszych na lata 2012-2013, Załącznik do uchwały nr 137 Rady Ministrów z dnia 24.08.2012 r.
• [2] Kachaniuk H.: Opieka nad zdrowiem osób starszych, rozdział w monografii „Zdrowie Publiczne” pod red. T. Kulik i M. Latalskiego, Lublin, 2002; s. 293-309.
• [3] Edbom-Kolarz A., Marcinkowski J.T.: Upadki osób starszych - przyczyny, następstwa, profilaktyka, Hygeia Public Health, v. 46 (3), 2011, s. 313-318.
• [4] Rubenstein L. Z., Josephson K. R.: Fall risk assessment: step-by-step, rozdział w monografii „Gait disorders: evaluation and management” pod red. J. M. Hausdorffa i N. B. Alexandra, Taylor & Francis, 2005; s. 169-184.
• [5] Wójtowicz B., Dobrowolski A.: Projekt integratora danych sensorycznych do detekcji niekontrolowanych upadków, Biuletyn WAT, Vol. LXII, Nr 4, Warszawa 2013.
• [6] Wójtowicz B., Dobrowolski A.: Bezprzewodowy detektor upadków, Elektronika: konstrukcje, technologie, zastosowania, Vol. LV, Nr 3/2014, Warszawa, s. 72-75.
• [7] Smith S.: Cyfrowe przetwarzanie sygnałów. Praktyczny poradnik dla inżynierów i naukowców, Wydawnictwo BTC, 2007.
• [8] Osowski S., Markiewicz T., Kruk M., Kozłowski W.: Metody sztucznej inteligencji do wspomagania diagnostyki patologii tkanek, rozdział w monografii „Metrologia w medycynie – wybrane zagadnienia” pod red. A. Michalskiego, Redakcja Wydawnictw WAT, Warszawa, 2011, s. 91-126.
• [9] Osowski S.: Metody i narzędzia eksploracji danych. Wydawnictwo BTC, 2013.