基于光流 CNN 并适配养老院需求的跌倒检测器
计算机视觉与模式识别
2020-06-12 v1 人机交互
图像与视频处理
摘要
在专门面向老年人的住所中，跌倒检测具有挑战性。基于视觉的跌倒检测方案相比基于传感器的方案具有显著优势，因为它们不对可能患有精神疾病的住户进行器械化监测。本工作是旨在养老院内部署跌倒检测方案项目的一部分。所提出的基于深度学习的解决方案构建在一个为最大化基于灵敏度的指标而训练的卷积神经网络（CNN）之上。本工作展示了来自医疗侧的需求及其如何影响 CNN 的调优。结果凸显了跌倒时间维度的重要性。因此，为了最好地满足医疗团队的需求，提出了适配该用例的自定义指标以及决策过程的实现。临床相关性：本工作提出的跌倒检测方案在所用数据库上平均可检测 86.2% 的跌倒，同时仅产生 11.6% 的误报。
引用
@article{arxiv.2006.06201,
title = {Fall Detector Adapted to Nursing Home Needs through an Optical-Flow based CNN},
author = {Alexy Carlier and Paul Peyramaure and Ketty Favre and Muriel Pressigout},
journal= {arXiv preprint arXiv:2006.06201},
year = {2020}
}