基于深度学习的嵌入式实时跌倒检测用于老年护理
机器学习
2017-12-01 v1 人工智能
计算机视觉与模式识别
摘要
本文提出了一种使用 DVS（动态视觉传感器）的实时嵌入式跌倒检测系统——该传感器从未被用于传统跌倒检测——一个使用该传感器的跌倒检测数据集，以及 DVS-TN（DVS-时间网络）。第一项贡献是构建 DVS Falls Dataset，它使我们的网络能比以往已有数据集识别种类丰富得多的跌倒，并利用 DVS 解决了隐私问题。其次，我们引入 DVS-TN：为使用 DVS 检测跌倒而优化的深度学习网络。最后，我们实现了一个可在低算力硬件上实时运行的跌倒检测系统，并在考虑多种跌倒情形的 DVS Falls Dataset 上进行了测试。我们的方法在 F1-score 上达到 95.5%，并在 NVIDIA Jetson TX1 板上以 31.25 FPS 运行。
引用
@article{arxiv.1711.11200,
title = {Embedded Real-Time Fall Detection Using Deep Learning For Elderly Care},
author = {Hyunwoo Lee and Jooyoung Kim and Dojun Yang and Joon-Ho Kim},
journal= {arXiv preprint arXiv:1711.11200},
year = {2017}
}
备注
5 pages