召回驱动的精度精炼：基于 LSTM 揭示精准跌倒检测
信号处理
2023-09-15 v1 人工智能
摘要
本文提出一种创新方法，通过开发精准跌倒检测系统来解决老年人跌倒事件的紧迫关切。我们所提系统结合了加速度计与陀螺仪等最先进技术以及深度学习模型，特别是长短期记忆（LSTM）网络。通过集成树莓派硬件实现了实时执行能力。我们引入剪枝技术，策略性地微调 LSTM 模型的架构与参数以优化系统性能。我们优先考量召回率而非精度，旨在准确识别跌倒并最小化假阴性以及时干预。大量实验与细致评估展现出卓越的性能指标，在保持 96% 特异度的同时强调高召回率。我们的研究最终形成一种最先进的跌倒检测系统，可及时发送通知，确保脆弱个体获得及时援助并改善其整体福祉。应用 LSTM 模型并融入剪枝技术代表了跌倒检测技术的重大进步，提供了一种有效可靠的跌倒预防与干预方案。
引用
@article{arxiv.2309.07154,
title = {Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM},
author = {Rishabh Mondal and Prasun Ghosal},
journal= {arXiv preprint arXiv:2309.07154},
year = {2023}
}
备注
8 pages, 9 figures, 6th IFIP IoT 2023 Conference