基于自适应特征聚合的三流空间时间 GCN 模型用于计算机辅助跌倒识别
计算机视觉与模式识别
2024-08-23 v1
摘要
跌倒预防在现代医疗中至关重要，尤其是对老年人群，因为跌倒可能导致严重伤害甚至死亡。此外，随着老年人跌倒案例的不断上升，以及为防止因药物过量导致的自杀企图而迫切需要准确且高效的跌倒检测方法，准确的跌倒检测技术显得不可或缺，以拯�anus worldwide 的老年人生命。许多研究人员致力于开发跌倒检测系统。然而，现有的跌倒检测系统常常面临性能不佳、鲁棒性有限、计算复杂度高以及对环境因素敏感等问题，主要由于缺乏有效特征。为此，本文提出一种新颖的三流空间时间特征基于跌倒检测系统。我们的系统融合了基于关节骨骼的空间和时间图卷积网络（GCN）特征、基于关节运动的空间和时间 GCN 特征以及残差连接特征。每个流采用自适应图基特征聚合和连续可分离卷积神经网络（Sep-TCN），显著降低了与先前系统相比的计算复杂度和模型参数。跨多个数据集的实验结果表明，我们所提出的系统在 ImViA、UR-Fall、Fall-UP 和 FU-Kinect 数据集上分别实现了 99.51%、99.15%、99.79% 和 99.85% 的准确率。该系统的卓越性能凸显了其在实际跌倒检测场景中的优势、效率和通用性，为医疗保健和社会福祉带来了重要进展。
引用
@article{arxiv.2408.12211,
title = {Computer-Aided Fall Recognition Using a Three-Stream Spatial-Temporal GCN Model with Adaptive Feature Aggregation},
author = {Jungpil Shin and Abu Saleh Musa Miah and Rei Egawa1 and Koki Hirooka and Md. Al Mehedi Hasan and Yoichi Tomioka and Yong Seok Hwang},
journal= {arXiv preprint arXiv:2408.12211},
year = {2024}
}