使用基于边缘的时间序列环境声音识别实时预测居民ADL

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 老年学是一门学科.

背景情况:

• 有效的环境辅助生活 (AAL) 需要准确检测日常生活活动 (ADL).
• 侵入性方法 (可穿戴设备,物体传感器) 和基于云的系统 (视频,音频) 有限制,包括用户阻力,数据流量和隐私问题.
• 资源有限的环境需要有效的,非侵入性的监控解决方案.

研究的目的:

• 开发一种基于边缘的实时系统,用于使用环境噪声进行ADL检测.
• 引入在线后处理方法,以加强分类和从噪音中提取活动事件.
• 创建一个系统,支持老年人或患者的日常活动,而不影响隐私或自然行为.

主要方法:

• 开发一个基于边缘的系统,使用环境声音实时检测ADL.
• 实施在线后处理技术,以提高分类准确性和事件提取.
• 在生活空间环境中使用收集的声音数据测试系统.

主要成果:

• 在从连续的声音事件中对ADL相关行为进行分类时获得了高准确性.
• 从时间序列声音数据成功生成用户活动日志.
• 基于边缘的非侵入性ADL监控系统的可行性已被证明.

结论:

• 开发的基于边缘的系统有效地使用环境噪声检测ADL,为AAL提供了一个非侵入性的解决方案.
• 在线后处理方法在资源有限的环境中提高了系统的性能.
• 生成的活动日志为ADL评估和未来与其他数据源集成提供了基础.