基于可穿戴传感器的老年人落检测系统的增强集体深度神经网络方法
相关实验视频
Updated: Jul 24, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
Zabir Mohammad1, Arif Reza Anwary2, Muhammad Firoz Mridha3
1Department of Computer Science and Engineering, Bangladesh University of Business and Technology, Dhaka 1216, Bangladesh.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
这项研究引入了一个可穿戴的框架,使用深度学习来预测和检测老年人的跌倒,旨在预防伤害. 该系统在识别跌倒前和跌倒事件方面实现了高精度,提高了安全性.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 意外跌倒对老年人来说,造成致命伤害和住院的风险很大.
- 由于落的快速性质,实时落检测很困难.
- 自动化监测系统对于预测,保护在老年人跌倒期间,并通知老年人的跌倒至关重要.
研究的目的:
- 提出一种可穿戴式监测框架概念,用于预测和减轻老年人跌倒相关伤害.
- 开发和评估一个集体深度神经网络,用于实时跌落预测和检测.
- 通过尽量减少伤害和改善生活质量的系统,加强老年人护理.
主要方法:
- 使用集体深度神经网络架构,结合卷积神经网络 (CNN) 和循环神经网络 (RNN).
- 雇佣CNN从加速仪和陀螺仪数据中提取特征,并RNN用于模拟时间动态.
- 开发了一种基于类的集合模型,用于特定事件的识别 (非秋季,前秋季,秋季).
主要成果:
- 在SisFall数据集上实现了高检测准确性:95%的非落下事件,96%的落下事件和98%的落下事件.
- 与现有的最先进的摔倒检测方法相比,深度学习架构表现出更高的性能.
- 该研究验证了拟议的算法的有效性,用于降落预测和检测.
结论:
- 开发的深度学习架构显示了可穿戴式摔倒监测系统的重大前景.
- 这种方法可以有效地预测跌倒,激活安全机制,并发出远程通知.
- 该系统有可能预防伤害并提高老年人的生活质量.
