步行辅助设备跌倒检测数据集1963-2021
数据来源：互联网公开数据
标签：跌倒检测,步行辅助,运动数据,传感器数据,健康监控,安全防护,数据处理
数据概述：
步行辅助设备跌倒检测数据集是一份精心整理的惯性数据集，旨在研究跌倒检测系统，特别是针对使用步行辅助设备的人群。该数据集深入分析了各种运动模式，涵盖了四种不同的类别：静止、运动、步态和跌倒。数据来源于四位不同的受试者，他们使用步行辅助设备在走廊上行走，主要采集步态和运动数据。跌倒数据则是通过人为将步行辅助设备从垂直位置推倒到地面获得的。此外，静止数据不针对任何特定受试者，代表步行辅助设备静止的时段。
数据集的采集过程采用了Arduino Nano 33 BLE Sense传感器，该传感器通过蓝牙低功耗（BLE）无线传输数据至计算机，并使用Python脚本处理数据，以JSON格式存储。数据处理包括数据降采样、归一化以及使用隐马尔可夫模型（HMM）进行数据分类。最终数据集以CSV格式呈现，包含四类标签（静止、运动、步态、跌倒），以及960列特征（每个类别包含620个样本，总计2480个样本）。
数据用途概述：
该数据集适用于跌倒检测系统设计、运动分析、健康监测和安全防护等多种应用场景。研究人员可以利用该数据集优化跌倒检测算法，提高检测准确性和响应速度；医疗保健机构可以将该数据用于患者运动模式分析，制定个性化的康复方案；制造商可以根据数据改进步行辅助设备设计，提高其安全性能。此外，数据集也适用于教育培训，帮助学习者理解跌倒检测和运动分析的基本原理和技术。
举例：
该数据集包含四个类别的详细数据：静止、运动、步态和跌倒。每种类别均包含160个样本，每个样本包含加速度和陀螺仪数据在x、y、z三个轴上的960个特征值。例如，静止类别的数据可以用来训练机器学习模型识别步行辅助设备静止的时段；步态类别的数据可以用来分析不同步态模式之间的差异；跌倒类别的数据可以用来评估跌倒检测系统的性能。
