基于可穿戴设备的障碍人群问题行为识别

障碍人群的问题行为给个体、家庭和整个社会带来了沉重的心理压力和经济负担。为此，本文致力于探索利用可穿戴设备内置的9轴运动传感器结合先进的人工智能技术对障碍人群的问题行为进行感知的可行性，以期防止事故发生，降低看护成本。首先，对采集数据进行分析和预处理，提取共108维特征；其次，在特征选择过程中，分别采用原理性分析和随机森林两种方法，划分为3个特征子集，其目的是在保证识别精度的前提下降低时间开销；最后，采用两种验证方法，利用6种分类器进行评价。实验结果表明，特征融合能有效提高分类器的识别率；特征选择能在较低性能损失的前提下，保证分类器的识别率；综合考虑运算开销和识别精度，特征子集3更适用于问题行为识别，轻量梯度提升机（Light gradient boosting machine，LightGBM）具有明显的性能优势，10倍交叉验证的平均识别率可达 93%。