基于物理传感器的深度学习跌倒检测系统
信号处理
2024-03-13 v1 人工智能
机器学习
摘要
基于嵌入式传感器的跌倒检测是近年来一个实用且热门的研究方向。就具体应用而言，基于物理传感器（如陀螺仪和加速度计）的跌倒检测方法已被开发出来，它们使用传统的手工特征并将其输入到马尔可夫链等机器学习模型或仅基于阈值的分类方法中。在本文中，我们构建了一个名为 TSFallDetect 的完整系统，包括基于嵌入式传感器的数据接收设备、移动深度学习模型部署平台以及一个简单的服务器，后者将用于收集模型和数据以供未来扩展。另一方面，我们利用序列深度学习方法，基于惯性传感器和薄膜压力传感器收集的数据来解决这一跌倒运动预测问题。我们基于现有数据集和我们系统收集的数据集分别进行了实证研究，结果表明深度学习模型比其他传统方法具有更大的潜在优势；我们提出了一种基于时间序列数据的新深度学习模型来预测跌倒，它在这一特定领域可能优于其他序列模型。
引用
@article{arxiv.2403.06994,
title = {Physics Sensor Based Deep Learning Fall Detection System},
author = {Zeyuan Qu and Tiange Huang and Yuxin Ji and Yongjun Li},
journal= {arXiv preprint arXiv:2403.06994},
year = {2024}
}