改善老年护理:高效可靠的实时摔倒检测算法
1Department of Electronic and Electrical Engineering, The University of Sheffield, Sheffield, UK.
Digital health
|February 22, 2024
概括
一个新的实时落检测算法使用背景减法和人体姿势估计来进行高效和准确的落监控. 这种基于视觉的系统实现了高精度和速度,使其适合数字健康应用.
科学领域:
- 计算机视觉 计算机视觉
- 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:
- 布是一个主要的公共卫生风险,特别是对老年人来说,需要有效的检测系统.
- 基于视觉的跌倒检测为可穿戴传感器提供了一种非侵入性和负担得起的替代方案.
- 当前的算法面临着计算需求的挑战,在复杂的环境中限制了设备上的速度和性能.
研究的目的:
- 开发具有较低计算要求的实时落检测算法.
- 解决现有系统在复杂场景中的速度和性能方面的局限性.
- 使用随时可用的硬件创建一个高效和准确的摔倒检测解决方案.
主要方法:
- 使用单个网络摄像头实现了实时摔倒检测算法.
- 结合背景减法与BlazePose人类姿势估计模型,以获得最佳的精度和效率.
- 在一个随机森林模型中使用来自BlazePose关键点的生物力学特征来进行秋季事件分类.
主要成果:
- 在标准的跌落检测数据集上实现了89.99%的准确性和每秒29.7 (FPS).
- 在各种场景中表现出强大的概括性和稳定性.
- 该算法在标准笔记本电脑CPU上有效运行,表明计算需求较低.
结论:
- 开发的算法为实时落检测提供了一个实用的解决方案.
- 它的低计算能力使其适合集成到小型医疗监测设备中.
- 该系统具有显著的潜力,可以增强数字健康应用和患者安全.
