通过多模式方法，使用手腕加速度计数据和传感器与摄像头数据的融合来检测老年人跌倒，并对其进行二分类标记，使用 UP-FALL 检测数据集进行实验，结果表明使用多种传感器数据并未显著提高跌倒检测的性能。

Feb, 2023

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

本综述文章讨论了基于深度学习和计算机视觉的非侵入式（基于视觉）人类跌倒检测技术，包括对跌倒检测基准数据集的调查和对不同评估指标的讨论，同时提出了基于视觉的人类跌倒检测技术未来的研究方向。

Jul, 2022

本文提出了单图像人体坠落检测器 (SSFD)，通过人体姿势感知、3D 姿势估计和坠落识别实现对于老年人及时的坠落检测和预警，从而提高其在家中的安全性。实验结果表明，该深度学习模型具有较强的泛化性能和准确率。

Apr, 2020

本文介绍了一种基于语义分割的算法，它使用 3D 深度传感器在地面上检测倒下的人，并通过使用 SVM 分类器来实现。该算法可在配备标准笔记本电脑的移动机器人上执行，并在实际情景中显示出鲁棒性和速度。

Mar, 2017

通过对深度学习在视觉数据上应用的研究文献的系统回顾，本研究讨论了关于独居老人安全的两个主要任务 —— 摔倒检测和人体活动识别，以及相关数据集和硬件设备的使用情况，并对现有方法的优势和劣势进行了讨论，提出了未来工作的建议。

Jan, 2024

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

该文章提出了一个基于可穿戴设备的坠落检测框架，采用机器学习算法分析传感器数据来实时检测坠落，并利用区块链技术存储和验证坠落事件数据，该框架旨在提供一种高效可靠的坠落检测方案，提高紧急响应和老年人的综合福祉。

Jun, 2023

本文提出了一种基于粗细卷积神经网络和门控循环单元的集成模型，用于可靠地检测老年人的跌倒事件。该模型利用传感器采集的信号，结合人工智能技术进行分析，融合不同层次的空间特征和时序依赖关系进行特征表示，实验结果表明其在区分跌倒与日常活动方面的可靠性和性能优于现有的卷积神经网络和长短时记忆网络方法。

Apr, 2023

通过基于视频的环境监测老年痴呆患者步态分析，使用深度神经网络从视频中提取出与深度相机相关的三维时空步态特征，可以准确预测出步态的速度和步长信息，并可用于长期环境监测中检测步态方面的有意义变化。

Aug, 2023