计算高效非侵入式预碰撞跌倒检测系统
计算机视觉与模式识别
2025-07-08 v1
摘要
现有的预碰撞跌倒检测系统准确率较高，但要么对被测者具有侵入性，要么需要巨大的计算资源进行跌倒检测，从而导致部署成本不可接受。这些因素限制了现有跌倒检测系统的全球采用。在本工作中，我们提出了一个既非侵入又在部署时计算高效的预碰撞跌倒检测系统。该系统利用通过摄像头获取的局部视频数据，从而无需被测者佩戴专用设备。进一步地，跌倒检测系统利用最小化的跌倒特定特征和简单的神经网络模型，以减少系统的计算成本。从被观察人类骨架在跌倒期间的相对位置后，提取出一组最小的跌倒特定特征。这些特征在跌倒和非跌倒情景中呈现出不同的分布，证明其辨识能力。选取基于长短期记忆网络（LSTM）的网络，并在标准数据集上评估网络架构和训练参数后进行设计。在该预碰撞跌倒检测系统中，计算需求约为现有模块的18倍，同时保持相当的准确率（88%）。鉴于低计算要求和较高的准确率，本文提出的系统适用于更广泛的工程系统在工业和住宅安全方面的采用。
引用
@article{arxiv.2507.03705,
title = {Computationally efficient non-Intrusive pre-impact fall detection system},
author = {Praveen Jesudhas and Raghuveera T and Shiney Jeyaraj},
journal= {arXiv preprint arXiv:2507.03705},
year = {2025}
}