计算效率高的非侵入式坠落前检测系统-计算机科学-计算机视觉-神经网络-跌倒检测系统.pdfVIP

计算效率高的非侵入式坠落前检测系统

PraveenJesudhas

DepartmentofComputerScienceEngineering

AnnaUniversity,Guindy

Chennai,India

pjesudhas@

RaghuveeraTShineyJeyaraj

DepartmentofComputerScienceEngineeringSharkAISolutions

AnnaUniversity,Guindy126,JudgesColony

本Chennai,IndiaChennai,India

译raghuveera@shiney@

中

1

vAbstract

5

0现有的预撞击跌倒检测系统具有高准确性，然而它们要么对主体有侵入性，

7

3要么需要大量的计算资源来进行跌倒检测，导致部署成本过高。这些因素限

0制了现有跌倒检测系统的全球采用。在此工作中，我们提出了一种非侵入且

.

7在部署时计算效率高的预撞击跌倒检测系统。我们的系统利用通过摄像头

0

5获取的局部视频数据，因此不需要主体穿戴任何特殊设备。此外，该跌倒检

2测系统采用了最小化的特定跌倒特征和简约的神经网络模型，旨在减少系

:

v统的计算成本。这些从骨骼数据中提取的特定跌倒特征是通过对人类在跌

i

x倒过程中的相对位置进行观察后得出的。实验表明，这些特征对于跌倒和非

r跌倒场景具有不同的分布，证明了它们的区分能力。选择了基于长短时记忆

a

（LSTM）的网络，并且在网络架构和训练参数设计上进行了评估性能标准数

据集后的调整。在预撞击跌倒检测系统中，计算需求比现有模块减少了大约

18倍，同时保持了约88%的可比准确性。鉴于低计算要求和较高的准确性

水平，所提出的系统适合更广泛地应用于工业和住宅安全相关的工程系统。

关键词：跌倒检测系统，计算机视觉，动作识别，序列模型，神经网络

1介绍

跌倒是一个可能导致人类不可逆损伤的事件，特别是在老年人中，如果不及时识别和治疗。

跌倒的危害会随着年龄的增长而增加，原因是腿部力量减弱、药物副作用、视力问题以及其

它组织的力量减退。与跌倒相关的伤害会导致疼痛、残疾，有时甚至导致过早死亡。跌倒还

会带来心理负担、经济压力，甚至影响护理人员的生活质量[1]。

根据世界卫生组织（WHO）[1]报告的研究，跌倒是全球第二大意外死亡原因，在65岁及以

上的人群中造成了特别高的发病率。对于居住在社区中的80岁以上人群，每年至少发生一

次跌倒的比例上升到50%[2]，其中40%的人会经历反复跌倒[3]。在美国