AI 如何减少工作场所中的跌倒伤害？
信号处理
2025-06-02 v1
摘要
跌倒造成的伤害在包括办公室在内的各类工作环境中均很常见。它是导致缺勤超过三天的主要原因，对中小企业尤为如此。然而，数据、数据量、数据异构性以及严格的处理时间限制，持续对实时跌倒检测构成挑战。本文提出了一种新方法，采用循环神经网络（RNN）进行跌倒检测，并采用 Kolmogorov-Arnold Network（KAN）估计跌倒的撞击时间。该方法在 SisFall 数据集上进行了测试，该数据集包含由三种传感器记录的 2706 项日常生活活动（ADLs）和 1798 次跌倒。结果表明，所提出的方法对跌倒序列实现了 82.6% 的平均 TPR 和 98.4% 的 TNR，对 ADL 实现了 94.4% 的准确率。此外，估计撞击时间的均方根误差约为 160ms。
引用
@article{arxiv.2505.24507,
title = {How can AI reduce fall injuries in the workplace?},
author = {Nicholas Cartocci and Antonios E. Gkikakis and Roberto F. Pitzalis and Fabio Pera and Maria Teresa Settino and Darwin G. Caldwell and Jesús Ortiz},
journal= {arXiv preprint arXiv:2505.24507},
year = {2025}
}
备注
Pages 557-568