基于人工智能的微调模型,用于在物联网环境中识别残疾人的跌倒活动
Abdulrahman Alzahrani1,2, Reham Al-Dayil3, Amirah Ghanim Alghanim4
1Department of Computer Science and Engineering, College of Computer Science and Engineering, University of Hafr Al Batin, Hafar Al Batin, Saudi Arabia. aalzahrani@uhb.edu.sa.
Scientific reports
|December 1, 2025
概括
这项研究引入了一种新的系统,用于使用人工智能 (AI) 和物联网 (IoT) 来检测残疾人的跌倒. 基于时间卷积网络的残疾人摔倒活动识别系统 (TCN-FARSDP) 达到99.48%的准确性.
科学领域:
- 计算机科学,人工智能 人工智能
- 生物医学工程 生物医学工程
- 医疗保健技术 技术 医疗保健 技术
背景情况:
- 远程监控和跌倒检测在残疾人远程医疗中至关重要.
- 由于人类的复杂动作,现有的落检测方法难以准确.
- 物联网 (IoT) 和人工智能 (AI) 在医疗保健中越来越多地用于自动检测疾病.
研究的目的:
- 为残疾人 (TCN-FARSDP) 介绍一种新的基于网络的临时卷积式活动识别系统.
- 通过精确的跌倒事件检测,增强残疾人的安全和福祉.
- 开发一个可在物联网环境中部署的系统,用于持续监控.
主要方法:
- 使用高斯过 (GF) 进行图像预处理,以减少噪声和提高清晰度.
- 包括NASNetMobile,DenseNet121和MobileNetV3Large在内的特征提取模型的融合.
- 使用时空卷积网络 (TCN) 分类器检测落活动,使用Adamax优化器进行微调.
主要成果:
- TCN-FARSDP系统在跌倒检测方面表现出99.48%的高精度.
- 拟议的方法在FD数据集上的实验验证中优于现有的技术.
- 阿达马克斯微调改进了模型的趋同性和稳定性.
结论:
- TCN-FARSDP系统为残疾人落检测提供了一个高度准确和可靠的解决方案.
- 将深度学习技术集成到物联网框架中,大大提高了远程医疗监测的速度.
- 该系统具有显著的潜力,可以提高安全性,并为残疾人提供及时的干预.
