SiFall：基于射频感知的实用在线跌倒检测
人机交互
2023-05-01 v2
摘要
跌倒构成了重大的全球公共卫生挑战，尤其在当今老龄化社会中，凸显了开发有效跌倒检测系统的重要性。基于非侵入式射频（RF）的跌倒检测因其广泛覆盖和隐私保护特性而受到大量关注。现有的基于RF的跌倒检测系统将跌倒视为活动分类问题，假设人体跌倒会给RF信号带来可复现的模式。然而，我们认为跌倒本质上是意外的，使其影响不可控且不可预见。我们提出了一种根本不同的跌倒检测方法，将焦点从直接识别难以量化的跌倒转移到识别正常的、可重复的人体活动，从而将跌倒视为正常活动分布之外的异常活动。我们引入了一个结合FallNet的自监督增量学习系统，FallNet是一种采用无监督学习技术的深度神经网络。我们的实时跌倒检测系统原型利用WiFi信道状态信息（CSI）感知数据，并已通过16名受试者广泛测试。
引用
@article{arxiv.2301.03773,
title = {SiFall: Practical Online Fall Detection with RF Sensing},
author = {Sijie Ji and Yaxiong Xie and Mo Li},
journal= {arXiv preprint arXiv:2301.03773},
year = {2023}
}
备注
This paper is accepted by SenSys 2022. Copyright may be transferred without notice