TaFall：基于被动热成像的平衡感知式跌倒检测
计算机视觉与模式识别
2026-04-14 v1 人工智能
摘要
跌倒是老年人受伤和死亡的主要原因，而大多数跌倒发生在私人室内环境中，此时监控必须在有效性与隐私之间进行平衡。现有隐私保护跌倒检测方法，特别是基于射频探测的方法，常依赖粗糙的运动线索，在实际部署中可靠性受限。我们引入TaFall，一个基于低成本、隐私保护热成像阵列的平衡感知式跌倒检测系统。关键洞察在于TaFall将跌倒建模为平衡退化过程，通过估计姿态驱动的生物力学平衡动力学来检测跌倒。为从低分辨率热成像图中实现此功能，我们提出（i）一种用于稳健姿态重建的外观-运动融合模型，（ii）基于物理的平衡感知学习，（iii）姿态桥接预训练以提高鲁棒性。TaFall在由35名参与者在多样化室内环境中收集的超过3000次跌倒实例的数据集上实现98.26%的检测率，误报率为0.65%。在4处家中进行27天部署时，TaFall实现了0.00126%的超低误报率， pilot bathroom 研究确认在潮湿和热干扰下的鲁棒性。这些结果表明TaFall是日常生活环境中可靠且隐私保护的跌倒检测方法。
引用
@article{arxiv.2604.09693,
title = {TaFall: Balance-Informed Fall Detection via Passive Thermal Sensing},
author = {Chengxiao Li and Xie Zhang and Wei Zhu and Yan Jiang and Chenshu Wu},
journal= {arXiv preprint arXiv:2604.09693},
year = {2026}
}