基于ML的边缘节点用于监测人民的脆弱状态

科学领域:

• 计算机科学 计算机科学
• 老年学是一门学科.
• 生物医学工程 生物医学工程

背景情况:

• 无接触式监测对于老年人的个人卫生评估至关重要,有助于早期发现脆弱性并防止健康下降.
• 不显眼的技术是保持老年人生活质量的关键,同时监测健康.
• 边缘计算和本地数据处理提高了监控系统的隐私和效率.

研究的目的:

• 开发一种智能系统,用于对老年人的个人卫生活动进行非接触式评估.
• 用视频数据对包括刷牙,洗手和修发在内的关键卫生行为进行分类.
• 在低率和不同的观察时间下评估系统的性能.

主要方法:

• 使用RGB视频作为智能系统的输入.
• 采用Mediapipe算法来提取身体姿势和手关键点作为功能.
• 实现了一个光梯度增强机器分类器用于动作识别.

主要成果:

• 最佳特征提取结合了复杂的Mediapipe姿势和手动关键点估计器.
• 该系统以每秒一的速度达到超过94%的加权F1得分,并具有7秒的观察窗口.
• 将观察窗口扩大到十秒,导致F1得分在94.66%和96.35%之间.

结论:

• 开发的智能系统有效地使用无接触式视频分析对老年人的个人卫生活动进行分类.
• 该系统表现出高精度和高效率,即使在低率,使其适合不引人注目的监控.
• 这项技术对早期发现健康问题和对老年人群的干预充满希望.