一种基于物联网的远程跌倒监测框架
网络与互联网体系结构
2021-05-21 v1 机器学习
摘要
跌倒检测是一个亟待解决的严重医疗健康问题。跌倒后若未得到快速医疗干预，将降低老年人的存活几率，尤其是独居老人。因此，有必要开发高精度的跌倒检测算法。本文提出了一种新颖的基于物联网的跌倒检测系统，包括一个通过云连接网关设备将数据传输至移动应用的传感装置。随后，重点转向算法层面，从现有数据集中获取的 3 轴加速度计数据提取多个特征。结果强调了连续小波变换（Continuous Wavelet Transform, CWT）作为判定跌倒的重要特征的意义。CWT、信号能量（Signal Energy, SE）、信号幅度面积（Signal Magnitude Area, SMA）和信号矢量幅值（Signal Vector Magnitude, SVM）特征在使用 K 近邻（K-Nearest Neighbors, KNN）和 E 近邻（E-Nearest Neighbors, ENN）时展现出有前景的分类结果。在所有性能指标（准确率、召回率、精确率、特异性和 F1 分数）上，针对小尺寸数据集所得结果均高于 95%，而上述算法在 UniMiB-SHAR 数据集上在上述标准中取得超过 98.47% 的分数，且单条测试记录的分类时间极为高效并达到实时。
引用
@article{arxiv.2105.09461,
title = {An IoT-Based Framework for Remote Fall Monitoring},
author = {Ayman Al-Kababji and Abbes Amira and Faycal Bensaali and Abdulah Jarouf and Lisan Shidqi and Hamza Djelouat},
journal= {arXiv preprint arXiv:2105.09461},
year = {2021}
}
备注
30 Pages, 9 figures, 9 tables. This is a the Accepted Manuscript version of the article published in Biomedical Signal Processing and Control (URL: https://doi.org/10.1016/j.bspc.2021.102532)