P2MFDS：面向浴室环境中老年人隐私保护多模态跌倒检测系统
摘要
到2050年，全球65岁以上人口将占16%。老龄化与增加跌倒风险密切相关，尤其是在潮湿且空间受限的浴室等封闭环境中，跌倒占发生率的80%以上。尽管近期研究越来越关注非侵入式、隐私保护的方法，这些方法不依赖可穿戴设备或基于视频的监控，但这些努力尚未完全克服现有单模态系统（如基于WiFi、红外或毫米波）的局限性，这些系统在复杂环境中容易出现准确率下降。这些局限性源于单模态感知的根本限制，包括系统偏差和环境干扰，如WiFi-based系统中的多径衰落，以及红外-based方法中的温度剧变。为解决这些挑战，我们提出了面向浴室环境中老年人隐私保护多模态跌倒检测系统。首先，我们开发传感器评估框架，用于选择并融合毫米波雷达与3D振动感知，并据此构建并预处理一个真实浴室环境中的大规模隐私保护多模态数据集，将在论文发表后公开。其次，我们引入P2MFDS，一个由CNN-BiLSTM-Attention分支用于雷达运动动态，以及多尺度CNN-SEBlock-Self-Attention分支用于振动冲击检测的双流网络。通过融合宏观与微观特征，P2MFDS在准确率和召回率上显著优于当前最先进的方法。代码和预训练模型将在：https://github.com/HaitianWang/P2MFDS-A-Privacy-Preserving-Multimodal-Fall-Detection-Network-for-Elderly-Individuals-in-Bathroom提供。
引用
@article{arxiv.2506.17332,
title = {P2MFDS: A Privacy-Preserving Multimodal Fall Detection System for Elderly People in Bathroom Environments},
author = {Haitian Wang and Yiren Wang and Xinyu Wang and Yumeng Miao and Yuliang Zhang and Yu Zhang and Atif Mansoor},
journal= {arXiv preprint arXiv:2506.17332},
year = {2025}
}
备注
Accepted to appear in the 2025 IEEE International Workshop on AIoT and Smart Systems (AIoTSys'25). Nominated for Best Paper Award and Best IoT System Implementation Award. Code and pretrained models available at: https://github.com/HaitianWang/P2MFDS-A-Privacy-Preserving-Multimodal-Fall-Detection-Network-for-Elderly-Individuals-in-Bathroom