Dec, 2023

使用多传感器数据的机器学习和特征排序进行冲击跌倒事件检测

PDF
TL;DR利用多传感器数据进行高效的跌倒事件识别，通过预处理技术、特征选择和机器学习模型评估，提高了跌倒检测系统的准确性和效率，进而提升了高危人群的安全和福祉。
fallsimpact momentspreprocessing techniquesmultisensor datasetfall detection
发现论文，激发创造
  • 人体跌倒检测 - 多模态方法

    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

  • 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

  • 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

  • 基于人体骨骼数据的两阶段坠落事件分类

    本研究利用人体骨架数据进行跌倒事件的多类别分类，其中采用了深度神经网络模型，并对提出的方法进行了实验验证。

    Aug, 2022

  • 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

  • 基于召回的精确优化：利用 LSTM 揭示准确的摔倒检测

    该研究提出了一种创新方法来解决老年人跌倒事件的紧迫问题，通过开发一种准确的跌倒检测系统。我们的系统结合了最先进的技术，包括加速度计和陀螺仪传感器，以及深度学习模型，特别是长短期记忆网络。通过树莓派硬件的集成实现了实时执行能力。我们引入了修剪技术，通过策略性地调整 LSTM 模型的架构和参数来优化系统性能。我们优先考虑召回率而不是精确度，旨在准确识别跌倒事件并最小化误报，以便及时干预。大量实验和细致评估表明了出色的性能指标，强调高召回率和 96% 的特异性。我们的研究取得了一种处于最前沿的跌倒检测系统，能够及时发送通知，确保脆弱个体得到及时帮助并改善其整体健康状况。应用 LSTM 模型并加入修剪技术代表了跌倒检测技术的重大进展，提供了一种有效可靠的跌倒预防和干预解决方案。

    Sep, 2023

  • EGOFALLS：一种使用视听数据集和基准的自我中心相机跌倒检测

    通过从自拍相机拍摄的视频中提取的多模态描述符，采用后期决策融合层建立了一种检测跌倒的方法，并通过新的数据集评估了该方法的效果，结果表明音频和视觉信息的融合通过后期决策融合可以提高检测性能，成为预防和减缓跌倒的有希望的工具。

    Sep, 2023

  • 基于深度学习的基于视觉的人体跌倒检测系统综述

    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

  • 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

  • 利用通道集成自编码器从可穿戴设备检测未知跌倒

    本文提出使用自编码器的集成以从可穿戴传感器的不同通道中提取特征来自动检测跌倒，该方法对于未见过的跌倒的识别非常有效，并对比了传统自编码器模型和两种标准的单类分类方法。

    Oct, 2016