基于Seq2Seq RNN的智能手机多模态运动数据步态异常检测
信号处理
2019-11-21 v1 人机交互
机器学习
摘要
智能手机和可穿戴设备是快速发展的技术，结合无线传感器硬件的进步，正在实现普适感知应用。可穿戴设备适用于室内和室外场景，可置于人体多个部位，并能集成大量可采集生理和行为生物特征信息的传感器。本文关注步态分析系统，其从用户运动中提取有意义的信息以识别其行走方式中的异常和变化。所提出的解决方案是针对特定受试者的，因为所设计的特征提取和分类工具是在被观测受试者上训练的。利用安装在特制胸部支架上的智能手机，通过其内置传感器和后置摄像头采集惯性数据和视频信号。所采集的视频和惯性数据经过预处理、融合，随后由基于循环神经网络（RNN）的序列到序列（Seq2Seq）模型作为特征提取器以及后续的卷积神经网络（CNN）分类器进行分类。该架构取得了优异的结果，在所考虑的测试中能够以100%的准确率正确评估异常，超越了支持向量机分类器的性能。
引用
@article{arxiv.1911.08608,
title = {Seq2Seq RNN based Gait Anomaly Detection from Smartphone Acquired Multimodal Motion Data},
author = {Riccardo Bonetto and Mattia Soldan and Alberto Lanaro and Simone Milani and Michele Rossi},
journal= {arXiv preprint arXiv:1911.08608},
year = {2019}
}