Convolutional
Neural Networks (CNN) Based Human Fall Detection on Body Sensor Networks (BSN)
Sensor Data
卷积神经网络(CNN)基于人体传感器网络(BSN)传感器数据的人体跌落检测
目标: 是探索卷积神经网络(CNN)在人类跌倒探测中的作用
原因:目前有许多与跌倒检测相关的解决方案,然而检测精度(accuracy)仍然很低。
CNN优势:图像识别 Matlab优势:图像和矩阵
论文特点:将从传感器中获取的流数据集作为输入,在应用CNN之前将它们转换成图像作为CNN的输入。
识别率Accuracy:92.3%
比较了两种人类活动识别:BSN sensors(加速计或其他惯性器件)和 RGB-D camera(基于视觉,微软Kinect)
RGB-D camera:识别性能受遮挡、摄像机位置、执行动作的主体变化、背景杂波。因此,基于视觉的方法适用于有限的视场或由摄像机位置定义的受限空间.
BSN sensors:具有侵入性,传感器位置敏感,且受传感器漂移的影响,但能使视野更广,对光照条件不敏感
本文结构:
第二部分介绍了跌倒探测领域的关键文献。
第三部分解释了随后的方法,使用的数据集,以及编码过程和时间序列转换到图像。
第四部分对结果进行了讨论,并对CNN对其他研究者使用的其他方法进行了分析和整体比较。
最后一节介绍未来的工作
引用别人的文献:
Hwang:利用深度摄像头,将摄像机安装在房屋和/或疗养院,