Jan, 2023

基于传感器加强快挂的定向攀爬检测降低

PDF
TL;DR为了提高服务质量和最充分利用他们的基础设施，跟踪攀登者的活动是攀岩馆关注的一个问题。为了在保护攀岩者隐私和方便的前提下解决这个问题，研发了一个硬件原型来收集数据，并介绍了硬件规格、研究了超低功耗模式下传感器测量的数据、检测了下降时传感器的方向模式，并开发了一种监督方法来识别缓降。
发现论文，激发创造
  • 利用低功耗加速度计对攀登路线进行聚类

    本文开发了一个硬件原型来收集使用加速度计传感器的攀岩设备的数据，对数据进行分析和聚类以寻找流行路线，以优化攀岩馆的服务和使用效率。

    Nov, 2022

  • 基于物理传感器的深度学习摔倒检测系统

    基于嵌入式传感器的跌倒检测是近年来的一个实际且流行的研究方向，本文构建了一个完整的系统 TSFallDetect，利用时间序列数据提出了一个新的基于深度学习模型的跌倒预测方法，通过实证研究表明该深度学习模型在跌倒检测领域具有更多的潜在优势。

    Feb, 2024

  • 利用可穿戴心电图和加速度传感器实现跌倒检测的智能应用

    本研究使用多个应用组件来研究坠落检测系统的开发挑战和选择，并提供未来研究材料。该系统使用加速度计和 ECG 传感器进行测试，并通过 ResNet152 模型在标准化和洗牌数据集上取得了最佳表现，实现了 92.8% 的 AUC，87.28% 的灵敏度和 98.33% 的特异度。

    Jun, 2022

  • CareFall：基于可穿戴设备和 AI 方法的自动跌倒检测

    本研究提出了基于可穿戴设备和人工智能的自动跌倒检测系统 CareFall，并采用机器学习的方法，通过加速度计和陀螺仪等信息，提高跌倒检测的准确率，旨在为老年人提供智能、用户友好的解决方案来减轻跌倒的负面后果。

    Jul, 2023

  • 使用轻量级姿势估计技术的实时人体跌倒检测

    使用姿势估计提出了一种轻量级快速的人体摔倒检测系统，可以在低计算设备上实时工作，对于老年人的医疗护理系统非常重要。

    Jan, 2024

  • 一种用于传感器基于的人体活动识别的最佳传感器位置实时人体姿势估计方法

    通过使用从目标活动的视频记录中得出的实时 2D 姿势估计派生的得出骨架数据，本文引入了一种解决这个问题的新方法，为识别最佳传感器位置提供了一种独特的策略。我们通过进行可行性研究验证了我们的方法，将惯性传感器应用于监测十个被试者的 13 种不同活动。我们的发现表明，基于视觉的传感器放置方法与传统的深度学习方法提供了可比较的结果，从而证明了它的有效性。该研究通过提供一种轻量级的、设备上的解决方案来确定最佳传感器位置，从而改进了数据匿名化，支持多模态分类方法，显著推进了人体活动识别领域。

    Jul, 2023

  • 基于智能手机在野外进行的深度学习步态识别

    使用智能手机的惯性传感器，以无约束状态采集步态数据，通过深度学习技术学习建模，提出了一种有效的步态识别方法，使得人员身份鉴别和认证性能高于 93.5% 和 93.7%。

    Nov, 2018

  • 一种简单且经济的设计用于现实世界中的环境辅助生活系统的跌倒检测和室内定位的开发：概念验证

    提出了一种成本 - effective、简化的环境辅助生活系统设计范例，该系统可以在现实世界中同时捕捉用户 ADL 行为的多模态组件，以实现在 ADL 过程中的跌倒检测和室内定位。通过与其他研究的比较，证明了该系统的有效性、创新性和成本优势。

    Jul, 2022

  • 使用智能手机的加速度计数据进行人员识别

    该论文提出了一种利用手机内置的加速度计传感器数据来识别用户身份的方法，通过建立一个随机森林分类模型，从步行数据样本中提取时间和频率信息特征。实验结果表明，该模型具有 0.9679 的准确率和 0.9822 的曲线下面积（AUC），可为智能手机提供一种低成本、高效的用户身份认证方法。

    Nov, 2017

  • 使用移动传感器进行长期视觉定位

    本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题，通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段，证明了该方法的有效性。

    Apr, 2023