基于智能手机加速度计和 WiFi 信道状态信息的实时跌倒检测
机器学习
2025-03-05 v1
摘要
近年来，随着人口老龄化，跌倒日益成为老年人健康的重大威胁。我们提出一种实时跌倒检测系统，将智能手机的惯性测量单元 (IMU) 与优化后的 WiFi 信道状态信息 (CSI) 集成用于二次验证。首先，IMU 在最小计算需求下将跌倒与日常活动区分开来。随后，采用 CSI 进行进一步评估，包括评估个体跌倒后的活动能力。这一方法不仅实现了高准确率，还减少了智能手机平台的能源消耗。专为该目的开发的 Android 应用程序若检测到用户跌倒且无法移动，将发出紧急警报。实验结果表明，基于卷积神经网络 (CNN) 的 CSI 模型检测准确率达 99%，\revised{超过了可比的仅使用 IMU 的模型，显示出在区分跌倒与非跌倒活动方面具有显著鲁棒性。
引用
@article{arxiv.2412.09980,
title = {Real-Time Fall Detection Using Smartphone Accelerometers and WiFi Channel State Information},
author = {Lingyun Wang and Deqi Su and Aohua Zhang and Yujun Zhu and Weiwei Jiang and Xin He and Panlong Yang},
journal= {arXiv preprint arXiv:2412.09980},
year = {2025}
}