基于多传感器数据的冲击跌倒检测事件的机器学习与特征排序
信号处理
2025-02-26 v2 计算机视觉与模式识别
机器学习
摘要
个体（尤其是老年人）的跌倒可能导致严重伤害和并发症。检测跌倒事件中的冲击时刻对于提供及时援助和最小化负面后果至关重要。在这项工作中，我们旨在通过将彻底的预处理技术应用于多传感器数据集来应对这一挑战，目标是消除噪声并提高数据质量。此外，我们采用特征选择过程来识别从多传感器UP-FALL数据集中导出的最相关特征，这将提高机器学习模型的性能和效率。然后，我们利用来自多个传感器的结果数据信息，评估各种机器学习模型在检测冲击时刻方面的效率。通过大量实验，我们使用各种评估指标评估了我们方法的准确性。我们的结果在冲击检测中实现了高准确率，展示了利用多传感器数据进行跌倒检测任务的能力。这突显了我们的方法在增强跌倒检测系统以及改善有跌倒风险个体的整体安全和福祉方面的潜力。
引用
@article{arxiv.2401.05407,
title = {Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data},
author = {Tresor Y. Koffi and Youssef Mourchid and Mohammed Hindawi and Yohan Dupuis},
journal= {arXiv preprint arXiv:2401.05407},
year = {2025}
}