使用商品设备增强现实世界的摔倒检测:一项系统研究
Awatif Yasmin1, Tarek Mahmud2, Syed Tousiful Haque1
1Department of Computer Science, Texas State University, San Marcos, TX 78666, USA.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究通过结合手腕和部传感器数据,改善了老年人的跌倒检测. 通过实时反进行重新训练,显著减少了错误警报,同时保持了高精度的跌倒检测.
科学领域:
- 可穿戴技术是可穿戴技术.
- 生物医学工程 生物医学工程
- 老年学是一门学科.
背景情况:
- 智能手机和智能手表通过内置传感器提供非侵入性落检测.
- 现有的落检测系统在软落和现实数据差异方面扎.
- 离线训练模型在实时设置中部署时显示性能下降.
研究的目的:
- 调查结合手腕和部位置的陀螺仪和加速度计数据是否可以提高落检测的准确性.
- 解决线下和实时落检测模型之间的性能差距.
- 为了减少真实世界落检测场景中的错误阳性.
主要方法:
- 从手腕和部传感器获得的加速度计和陀螺仪数据进行系统的实验.
- 利用基于变压器的神经网络进行摔倒检测模型开发.
- 使用实时反数据重新训练模型,包括错误和真正阳性.
主要成果:
- 结合部和手腕加速度计数据,实现了88%的F1离线得分.
- 最初模型的实时部署导致了许多错误的阳性结果.
- 通过实时反进行重新训练,F1得分提高到92%,减少了假阳性,并保持了真实落检测的准确性.
结论:
- 多传感器融合 (手腕和部加速度计) 提高了落检测性能.
- 实时反对于在不受控制的环境中改进掉落检测模型至关重要.
- 改进的模型证明了对老年人的运动模式的良好概括,具有最小的错误阳性.
