相关实验视频
使用具有自适应特征聚合的三流空间时间GCN模型进行落识别
Jungpil Shin1, Abu Saleh Musa Miah2, Rei Egawa2
1School of Computer Science and Engineering, The University of Aizu, Aizuwakamatsu, Japan. jpshin@u-aizu.ac.jp.
Scientific reports
|March 28, 2025
概括
一个新的计算机辅助摔倒检测系统使用了新的时空特征来提高老年护理的准确性. 这种高效的系统可以改善落检测,从而在全球范围内拯救生命.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 跌倒对老年人来说是一个主要的健康风险,导致严重伤害和死亡.
- 现有的落检测系统缺乏准确性,稳定性和效率,并且对环境因素敏感.
- 准确而高效的摔倒检测对于预防伤害和帮助老年人至关重要.
研究的目的:
- 提出一种新的基于时空特征的三流人类落检测系统.
- 解决现有系统的局限性,包括精度,稳定性和计算复杂性.
- 为现实应用开发一种高效且可通用的落检测解决方案.
主要方法:
- 整合基于关节骨架和基于关节运动的空间和时间图形卷积网络 (GCN) 特性.
- 使用剩余连接和基于自适应图的特征聚合.
- 使用连续可分离的卷积神经网络 (Sep-TCN) 来降低计算复杂性和模型参数.
主要成果:
- 取得的高精度: 99.68% (ImViA), 99.97% (Fall-UP), 99.47% (FU-Kinect) 和 98.97% (UR-Fall) 的高精度.
- 与现有的落检测系统相比,证明了更高的有效性和效率.
- 展示了卓越的性能,突出了系统的优越性,效率和通用性.
结论:
- 拟议的系统通过可靠的摔倒检测,在医疗保健和社会福祉方面取得了重大进展.
- 这种新的方法有效地克服了以前的跌倒检测方法的局限性.
- 该系统的高精度和效率使其成为现实世界落检测场景的有希望的解决方案.