使用自编码器通道级集成从可穿戴设备检测未见跌倒

跌倒是一种极少发生的异常活动,因此很难收集真实的跌倒数据。这使得使用监督学习方法来自动检测跌倒变得困难。使用机器学习方法自动检测跌倒的另一个挑战在于工程特征的选择。在本文中,我们提出使用自编码器集成来提取可穿戴传感器数据不同通道的特征,且仅在正常活动上进行训练。我们表明,将阈值选择为训练正常数据上重构误差最大值的传统方法,并不是识别未见跌倒的正确方法。我们提出了两种仅从正常活动中自动收紧重构误差的方法,以更好地识别未见跌倒。我们在两个活动识别数据集上展示了结果,并证明了我们提出的方法相对于传统自编码器模型和两种标准单类分类方法的有效性。