相关实验视频
Updated: Sep 19, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
PIFR:一种基于姿势角度分析人类活动的新方法,用于在视频中自动检测摔倒
Vungsovanreach Kong1, Saravit Soeng1, Munirot Thon1
1Big Data Department, Chungbuk National University, Cheongju-si, Chungcheongbuk-do, South Korea.
PloS one
|June 17, 2025
概括
这项研究介绍了一种新的计算机视觉和机器学习系统,用于准确检测老年人跌倒的情况. 先进的模型提高了智能家居和医疗保健的安全性,提高了老年人的独立性.
科学领域:
- 老年学是一门学科.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 布对老年人来说是一个主要的健康危险.
- 现有的落检测方法需要技术进步,以提高准确性和可靠性.
研究的目的:
- 引入一种新的两级落检测系统,利用计算机视觉和机器学习.
- 通过先进的健康监测技术,提高老年人的安全和独立性.
主要方法:
- 使用YOLOv11物体检测模型进行个人跟踪和体位估计 (17个关键点).
- 为SVM模型训练提取九个几何特征 (例如质量中心,身体角度).
- 通过分析顺序的变化来实现时间验证,以便进行可靠的检测.
主要成果:
- 实现了高性能指标:88.8%的精度,94.1%的回忆,91.4%的F1分数,95.6%的URFD和MCFD数据集的特异性.
- 与现有方法相比,在捕捉落期间的几何变化方面表现出卓越的性能.
结论:
- 开发的系统提供了一个可扩展,可靠和高效的解决方案,用于老年人群的跌倒检测.
- 适用于智能家居,可穿戴设备和医疗保健平台,显著提升健康监测能力.
