論文の概要: A fall alert system with prior-fall activity identification
- arxiv url: http://arxiv.org/abs/2201.02803v1
- Date: Sat, 8 Jan 2022 10:42:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-11 17:34:10.471672
- Title: A fall alert system with prior-fall activity identification
- Title（参考訳）: pre-fall activity identificationを用いた転倒警報システム
- Authors: Pisol Ruenin, Sarayut Techakaew, Patsakorn Towatrakool and Jakarin
Chawachat
- Abstract要約: 本研究の目的は,プライド・フォール・アクティビティを識別するフォール・アラート・システムを開発することである。
さまざまなアクティビティデータを収集するマルチスポットオンボディデバイスを開発した。
3つの既存の転倒検出しきい値アルゴリズムを用いて,まず膝の転倒を検知し,ChaitepとChawachatの3相しきい値アルゴリズムを選択した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Falling, especially in the elderly, is a critical issue to care for and
surveil. There have been many studies focusing on fall detection. However, from
our survey, there is still no research indicating the prior-fall activities,
which we believe that they have a strong correlation with the intensity of the
fall. The purpose of this research is to develop a fall alert system that also
identifies prior-fall activities. First, we want to find a suitable location to
attach a sensor to the body. We created multiple-spot on-body devices to
collect various activity data. We used that dataset to train 5 different
classification models. We selected the XGBoost classification model for
detecting a prior-fall activity and the chest location for use in fall
detection from a comparison of the detection accuracy. We then tested 3
existing fall detection threshold algorithms to detect fall and fall to their
knees first, and selected the 3-phase threshold algorithm of Chaitep and
Chawachat [3] in our system. From the experiment, we found that the fall
detection accuracy is 88.91%, the fall to their knees first detection accuracy
is 91.25%, and the average accuracy of detection of prior-fall activities is
86.25%. Although we use an activity dataset of young to middle-aged adults
(18-49 years), we are confident that this system can be developed to monitor
activities before the fall, especially in the elderly, so that caretakers can
better manage the situation.
- Abstract（参考訳）: 特に高齢者において、転倒はケアとサーベイにとって重要な問題である。
転倒検出に焦点をあてた研究が数多く行われている。
しかし, 本調査では, 降雨前の活動を示す研究は行われておらず, 降雨の強度と強い相関関係があることが示唆された。
本研究の目的は,事前フォール活動の特定も行うフォールアラートシステムの開発である。
まず、体にセンサーを付けるのに適した場所を探したい。
さまざまなアクティビティデータを収集するマルチスポットオンボディデバイスを開発した。
このデータセットを使って、5つの異なる分類モデルをトレーニングしました。
XGBoost分類モデルを選択し, 検出精度の比較から, 転倒検出に使用する胸部位置と術前の転倒活動を検出する。
次に3つの既存の転倒検出しきい値アルゴリズムを用いて,まず膝の転倒を検知し,ChaitepとChawachatの3段階しきい値アルゴリズムを選択した[3]。
実験の結果, 転倒検出精度は88.91%, 膝への落下検出精度は91.25%, 前転倒検出率の平均は86.25%であった。
若年者から中高年者(18～49歳)の行動データセットを用いるが、このシステムは転倒前の活動、特に高齢者の活動をモニタして、介護者がより良く状況を管理することができると確信している。
関連論文リスト
- Long-term Detection System for Six Kinds of Abnormal Behavior of the Elderly Living Alone [1.4061979259370274]
本研究では,半寝たきり,家出し,忘れ,さまよう,立ちながら歩く,転倒する6つの典型的な異常をシミュレーターで検出するシステムを提案する。
検知システムは,部屋のレイアウト,センサの配置を忘れる配置,居住者の特性などをカスタマイズできる。
本稿では,センサデータの処理を標準化する手法を提案する。
論文 参考訳（メタデータ） (2024-11-20T09:42:08Z) - Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳（メタデータ） (2024-10-31T13:13:32Z) - Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - BlockTheFall: Wearable Device-based Fall Detection Framework Powered by
Machine Learning and Blockchain for Elderly Care [0.44739156031315913]
ウェアラブルデバイスベースの転倒検出フレームワークである"BlockTheFall"は、ウェアラブルデバイスからのセンサデータを使用して、フォールをリアルタイムで検出する。
収集したセンサデータを機械学習アルゴリズムを用いて解析する。
提案するフレームワークは、ブロックチェーン技術を使用して、フォールイベントデータを格納し、検証する。
論文 参考訳（メタデータ） (2023-06-10T14:18:44Z) - Human Fall Detection- Multimodality Approach [2.7215474244966296]
我々は、加速度計データ保持ラベル付き手首センサをバイナリ分類、すなわち、データ集合からのフォールとフォールを含まない2値分類に使用します。
実験結果から,2値分類のためのマルチセンサと比較して手首データのみを用いることは,転倒検出のためのモデル予測性能に影響を及ぼさないことがわかった。
論文 参考訳（メタデータ） (2023-02-01T04:05:14Z) - In-vehicle alertness monitoring for older adults [63.359033532099204]
高齢者に対する車内警戒監視システムを提案する。
高齢者10名(70歳以上)を対象に,プロトタイプトラベラー監視システムを実装し,警報検出アルゴリズムの評価を行った。
本研究は, 人口調査対象者を対象とした最初の研究であり, 参加型手法によるアルゴリズム開発とシステム設計に関する今後の研究に影響を及ぼすものである。
論文 参考訳（メタデータ） (2022-08-17T06:07:37Z) - HAR-GCNN: Deep Graph CNNs for Human Activity Recognition From Highly
Unlabeled Mobile Sensor Data [61.79595926825511]
正確な活動ラベルを含むバランスのとれたデータセットを取得するには、人間が正しく注釈を付け、リアルタイムで被験者の通常の活動に干渉する必要がある。
本研究では,HAR-GCCNモデルを提案する。HAR-GCCNは,時系列に隣接したセンサ測定の相関を利用して,不特定活動の正確なラベルを予測する。
Har-GCCNは、これまで使用されていたベースライン手法と比較して優れたパフォーマンスを示し、分類精度を25%改善し、異なるデータセットで最大68%向上した。
論文 参考訳（メタデータ） (2022-03-07T01:23:46Z) - Self-supervised Pretraining with Classification Labels for Temporal
Activity Detection [54.366236719520565]
時間的アクティビティ検出は、1フレーム当たりのアクティビティクラスを予測することを目的としている。
検出に必要なフレームレベルのアノテーションが高価なため、検出データセットの規模は限られている。
本研究では,分類ラベルを利用した自己教師付き事前学習手法を提案する。
論文 参考訳（メタデータ） (2021-11-26T18:59:28Z) - An IoT-Based Framework for Remote Fall Monitoring [2.511917198008258]
本稿では,クラウドに接続されたゲートウェイデバイスを介してモバイルアプリケーションにデータを送信するセンサデバイスを含む,転倒検出のための新しいIoTベースのシステムを提案する。
その結果,転倒決定に有効な特徴として,連続ウェーブレット変換(CWT)の重要性が強調された。
すべてのパフォーマンス指標(精度、リコール、精度、特異性、F1スコア)に対して、達成された結果は、小さなデータセットに対して95%以上である。
論文 参考訳（メタデータ） (2021-03-10T22:37:19Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - Motion and Region Aware Adversarial Learning for Fall Detection with
Thermal Imaging [8.110295985047278]
転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。
転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。
熱画像を用いた対向フレームワーク内での転倒検出を異常検出として定式化する。
論文 参考訳（メタデータ） (2020-04-17T17:17:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。