人口老齡化是世界各國正在面對的一個普遍問題。隨著我國老齡化程度的持續加劇，對于老年人群體的醫療資源投入會不斷提高。而與此同時，跌倒已經成為老年人日常生活中最為常見的危險行為活動。所以，跌倒檢測系統的研究和應用對降低老年人受到的身心傷害和醫療成本具有顯著的意義。
目前解決老年人跌倒檢測的方案仍存在許多不足。其中，基于計算機視覺的跌倒檢測技術在無干擾的場景下檢測較為有效，但其易受環境變化（如背景光線影響、人遮擋問題等）影響。此外，基于可穿戴計算的跌倒檢測技術受限于算法穩定性和識別準確率，系統的靈敏度和特異性難以同時得到保證。
針對上述問題本文提出一種融合計算機視覺和可穿戴計算數據的跌倒檢測新的方法。首先，設計并開發了集成三軸加速度計、三軸陀螺儀和藍牙的活動感知模塊，實現實時采集、傳輸人體活動數據：其次，使用深度學習算法從攝像頭采集的圖像數據提取人體姿態特征數據：最后，對采集的人體活動數據和姿態數據進行規范化和時序化處理，設計了兩個深度學習網絡分別對數據進行特征提取，并將兩特征進行特征層數據融合，在此基礎上構建神經網絡對融合數據進行活動本文搭建了實驗平臺并進行了算法測試，其中，本文跌倒檢測算法針對離線測試數據的準確率為992%，平均敏感度為995%、平均特異性為99.8%：針對在線數據系統測試準確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%
實驗結果證明了利用計算機視覺和可穿戴計算數據融合的跌倒檢測具有較高的準確率和魯棒性。

點擊標簽查看更多相關資源：