相关实验视频
Updated: Jul 9, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
使用4D成像雷达进行老年人安全的非接触式落检测系统,基于CNN模型
Sejong Ahn1, Museong Choi2, Jongjin Lee2
1Department of Computer Engineering, Tech University of Korea, Siheung 15073, Republic of Korea.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
这项研究引入了使用4D成像雷达和AI的非接触式落检测系统. 它准确地识别掉落和姿势,为可穿戴设备提供保护隐私的替代方案.
科学领域:
- 老年学是指老年学的学科.
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
背景情况:
- 全球人口老龄化导致更多的老年人独自生活.
- 老年人中跌倒事故的增加导致严重伤害,生活质量下降,医疗费用增加.
- 目前的摔倒检测方法,如可穿戴设备和相机,具有诸如不适和隐私问题等局限性.
研究的目的:
- 开发使用4D成像雷达和人工智能 (AI) 的非接触式摔倒检测系统.
- 提供实时监控,可视化和立即警报下降.
- 解决现有的落检测技术的局限性.
主要方法:
- 将4D成像雷达传感器与人工智能技术集成在一起,用于降落检测.
- 利用雷达生成的点云数据 (空间坐标,速度,多普勒功率,时间) 来分析身体位置和运动.
- 采用卷积神经网络 (CNN) 模型进行姿势分类 (站立,坐着,躺着) 和跌倒检测,并使用零填充和k-means集群进行数据预处理.
主要成果:
- 该系统在姿势分类方面实现了98.66%的准确性.
- 该系统在跌倒检测方面表现出95%的准确性.
- 拟议的系统有效地检测掉落而不需要可穿戴设备或摄像头,从而保护隐私.
结论:
- 开发的非接触式摔倒检测系统是有效和准确的.
- 这项技术为老年人落监控提供了一个可行的,对隐私有意识的解决方案.
- 未来的研究可能会探索用于增强室内监控应用的多传感器集成.
