CNN学习

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，