基于骨架的姿态分类以提升老年人辅助步行器的安全性
计算机视觉与模式识别
2026-05-05 v1 人工智能
机器学习
摘要
老年人跌倒是重大公共卫生问题，可能导致严重伤害、丧失独立生活能力以及增加医疗成本。本研究评估了包括几何方法、XGBoost、SVM 和多种深度学习模型在内的 various 模型在分类步行器使用情况、站立与坐姿以及姿态方面的效果。几何方法和 XGBoost 成为表现最佳的模型。XGBoost 在二分类任务中实现了接近完美的训练准确率，步行器选择为 99.84%，站立与坐姿为 99.69%。在姿态分类方面，几何方法达到了 89.9% 的准确率（8 种姿态），XGBoost 在 17 种姿态训练时达到 99.24% 的准确率。深度学习模型如 4 层 CNN 和编码器-解码器 CNN 也在二分类中表现出色，准确率均超过 98%。本研究凸显了机器学习在智能步行器人机交互中尤其对于跌倒预防的潜在价值。
引用
@article{arxiv.2605.00890,
title = {Skeleton-Based Posture Classification to Promote Safer Walker-Assisted Gait in Older Adults},
author = {Sergio D. Sierra M. and Monica Sinha and Marcela Múnera and Carlos A. Cifuentes},
journal= {arXiv preprint arXiv:2605.00890},
year = {2026}
}