基于循环神经网络的在线跌倒检测
计算机与社会
2020-10-05 v1 机器学习
机器学习
摘要
意外跌倒可导致严重损伤甚至死亡,尤其是在未得到及时救助的情况下。跌倒检测系统(FDSs)旨在检测发生的跌倒。该信息可用于在受伤时触发必要的救助。这可以通过基于环境的传感器(例如摄像头)或可穿戴设备来实现。本工作的目的是研究基于可穿戴设备与人工智能技术(特别是深度学习(DL))的 FDSs 的技术方面,以实现一种有效的在线跌倒检测算法。所提出的分类器基于带有底层长短期记忆(LSTM)块的循环神经网络(RNN)模型。该方法在公开可用的 SisFall 数据集(带有扩展标注)上进行测试,并与 SisFall 作者所得结果进行比较。
引用
@article{arxiv.1804.04976,
title = {Online Fall Detection using Recurrent Neural Networks},
author = {Mirto Musci and Daniele De Martini and Nicola Blago and Tullio Facchinetti and Marco Piastra},
journal= {arXiv preprint arXiv:1804.04976},
year = {2020}
}
备注
6 pages, ICRA 2018