基于多流卷积神经网络的跌倒检测算法

本文提出了一种基于多流卷积神经网络的跌倒检测模型,通过添加融合流网络,提高了检测准确率、召回率和F1值,平均达到95.8%、91.3%和93.5%。模型在传统双流基础上融合时空特征,以提高跌倒检测的实时性和可靠性,尤其适用于家居场景中老年人的跌倒检测。
摘要由CSDN通过智能技术生成

摘要

为了更好地检测家居场景下老年人的跌倒问题,提出一种基于多流卷积神经网络的跌倒事件检测模型。该模型在传统双流网络的基础上,添加一个新的融合流网络组成三支流网络架构。融合流以时间流和空间流所提取的时空特征为输入,经由多模态融合模块将对应层的时空特征融合,并将得到的所有时空融合特征再经融合模块融合得到的多级时空融合特征。最后将三支流的输出进行加权平均分数融合得到最终检测结果。实验结果表明,相比传统双流网络,该方法有更高的准确率、召回率和F1值,平均达到95.8%、91.3%和93.5%,证明了该方法的可行性。

0 引言

第七次全国人口普查显示,我国60岁及以上人口为26 402万人&

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

罗伯特之技术屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值