Resumen

Caer es un fenómeno común en la vida de las personas mayores, y también es una de las 10 principales causas de lesiones graves y muerte de las personas mayores. Para prevenir las caídas de las personas mayores, se instala un sistema de predicción de caídas en tiempo real en el dispositivo inteligente portátil, que puede activar la alarma de manera oportuna y reducir las lesiones accidentales causadas por las caídas. En la actualidad, la mayoría de los algoritmos basados en datos de un solo sensor no pueden describir con precisión el estado de la caída, mientras que el algoritmo de detección de caídas basado en la integración de datos de múltiples sensores puede mejorar la sensibilidad y especificidad de la predicción. En este estudio, diseñamos un sistema de detección de caídas basado en la fusión de datos de múltiples sensores y analizamos las cuatro etapas de las caídas utilizando los datos de 100 voluntarios que simulaban caídas y actividades diarias. En este artículo, se utiliza un método de fusión de datos para extraer tres parámetros característicos que representan la aceleración del cuerpo humano y el cambio de postura, y se verifica la efectividad del algoritmo de fusión de datos de múltiples sensores. La sensibilidad es del 96,67% y la especificidad es del 97%. Se encontró que la tasa de reconocimiento es la más alta cuando el conjunto de entrenamiento contiene el mayor número de muestras en el conjunto de entrenamiento. Por lo tanto, después de entrenar el modelo basado en una gran cantidad de datos efectivos, su capacidad de reconocimiento puede mejorar y la prevención de la posibilidad de caídas aumentará gradualmente. Para comparar la aplicabilidad del bosque aleatorio y la máquina de vectores de soporte (SVM) en el desarrollo de dispositivos inteligentes portátiles, se establecieron dos modelos de reconocimiento de postura de caída, respectivamente, y se compararon el tiempo de entrenamiento y el tiempo de reconocimiento de los modelos. Los resultados muestran que SVM es más adecuado para el desarrollo de dispositivos inteligentes portátiles.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Caídas; Ancianos; Prevención; Fusión de datos multisensor; Tasa de reconocimiento; SVM
• Keywords:Falling; Elderly; Prevention; Multisensor data fusion; Recognition rate; SVM