基于热成像的实时跌倒检测：结合运动流与注意力增强的卷积循环网络
计算机视觉与模式识别
2026-02-05 v2 人工智能
摘要
老年人跌倒是一大公共卫生问题。现有基于可穿戴传感器、环境传感器和基于 RGB 的视觉系统的解决方案在可靠性、用户合规性和实用性方面存在挑战。研究表明，利益相关者（如老年人和养老机构）更倾向于使用非穿戴式、被动式、隐私保护且实时运行的跌倒检测系统，这类系统无需用户交互。本研究提出了一种基于双向卷积长短期记忆网络（BiConvLSTM）的高级热成像跌倒检测方法，并引入空间注意力、时间注意力、特征注意力、自注意力和通用注意力机制。通过系统性地进行大量模型变体实验，探索注意力机制、循环模块和运动流的集成方式，我们识别出表现最佳的网络结构。在其中，BiConvLSTM 达到了在 TSF 数据集上达到 99.7% 的 ROC-AUC 分数，并在新出现的多样性且隐私保护的基准数据集 TF-66 上表现稳健。这些结果凸显了所提出模型的普适性和实用性，为热成像跌倒检测树立了新标准，为可部署的高性能解决方案铺平了道路。
关键词
引用
@article{arxiv.2509.16479,
title = {Thermal Imaging-based Real-time Fall Detection using Motion Flow and Attention-enhanced Convolutional Recurrent Architecture},
author = {Christopher Silver and Thangarajah Akilan},
journal= {arXiv preprint arXiv:2509.16479},
year = {2026}
}