用于室内场景下老年人徘徊预测的卷积神经网络
计算机视觉与模式识别
2020-12-25 v1
摘要
本工作提出了一种从房屋周围非侵入式室内传感器收集的路径数据中检测阿尔茨海默病患者徘徊活动的方法。由于缺少充足数据，我们使用自行开发的应用手动生成了包含220条路径的数据集。文献中的徘徊模式通常通过视觉特征（如环路或随机移动）来识别，因此我们将该数据集转换为图像并进行了增强。神经网络模型中使用了卷积层，因为其在寻找模式（尤其是图像上的模式）方面往往表现良好。该卷积神经网络模型使用生成的数据进行训练，在我们的10个样本验证切片上取得了75%的f1分数（精确率与召回率之间的关系）、60%的召回率和100%的精确率。
引用
@article{arxiv.2012.12987,
title = {Convolutional Neural Network for Elderly Wandering Prediction in Indoor Scenarios},
author = {Rafael F. C. Oliveira and Fabio Barreto and Raphael Abreu},
journal= {arXiv preprint arXiv:2012.12987},
year = {2020}
}