广西师范大学学报(自然科学版)

2022, v.40(03) 141-150

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于双向LSTM神经网络可穿戴跌倒检测研究
Wearable Fall Detection Based on Bi-directional LSTM Neural Network

段美玲;潘巨龙;

摘要(Abstract):

针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。

关键词(KeyWords): 跌倒检测;长短期记忆;加速度传感器;神经网络;特征提取

Abstract:

Keywords:

基金项目(Foundation): 浙江省基础公益研究计划项目(LGF21F020017)

作者(Authors): 段美玲;潘巨龙;

DOI: 10.16088/j.issn.1001-6600.2021071003

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享