理解深度卷积网络如何识别跌倒的实证研究
计算机视觉与模式识别
2018-12-06 v1
摘要
检测意外跌倒对于独居老年人的环境智能与医疗保健至关重要。近年来，深度卷积网络被广泛用于人体动作分析，并基于此提出了许多跌倒检测方法。尽管它们性能高效，但卷积网络如何识别跌倒的行为仍不清楚。本文不提出新方法，而是进行系统的实证研究，试图探究潜在的跌倒识别过程。我们提出四项待研究任务，涉及五类输入模态、七个网络实例以及不同的训练样本。所获得的定量与定性结果揭示了网络倾向于学习的模式，以及若干会严重影响跌倒识别性能的因素。我们期望我们的结论有助于提出更好的深度学习跌倒检测系统方案。
引用
@article{arxiv.1812.01923,
title = {An Empirical Study towards Understanding How Deep Convolutional Nets Recognize Falls},
author = {Yan Zhang and Heiko Neumann},
journal= {arXiv preprint arXiv:1812.01923},
year = {2018}
}
备注
published at the sixth International Workshop on Assistive Computer Vision and Robotics (ACVR), in conjunction with European Conference on Computer Vision (ECCV), Munich, 2018