Fugu-MT 論文翻訳(概要): Real-Time Human Fall Detection using a Lightweight Pose Estimation Technique

論文の概要: Real-Time Human Fall Detection using a Lightweight Pose Estimation Technique

arxiv url: http://arxiv.org/abs/2401.01587v1
Date: Wed, 3 Jan 2024 07:39:58 GMT
ステータス: 処理完了
システム内更新日: 2024-01-04 14:43:14.264343
Title: Real-Time Human Fall Detection using a Lightweight Pose Estimation Technique
Title（参考訳）: 軽量電位推定法を用いたリアルタイム人体落下検出
Authors: Ekram Alam, Abu Sufian, Paramartha Dutta, and Marco Leo
Abstract要約: ポーズ推定を用いた軽量で高速な人間の転倒検知システムを提案する。提案手法は, 基本カメラを内蔵した低消費電力デバイス上で, リアルタイムに動作可能である。すべての計算はローカルで処理できるので、問題のプライバシに問題はない。
参考スコア（独自算出の注目度）: 2.744898351429077
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The elderly population is increasing rapidly around the world. There are no enough caretakers for them. Use of AI-based in-home medical care systems is gaining momentum due to this. Human fall detection is one of the most important tasks of medical care system for the aged people. Human fall is a common problem among elderly people. Detection of a fall and providing medical help as early as possible is very important to reduce any further complexity. The chances of death and other medical complications can be reduced by detecting and providing medical help as early as possible after the fall. There are many state-of-the-art fall detection techniques available these days, but the majority of them need very high computing power. In this paper, we proposed a lightweight and fast human fall detection system using pose estimation. We used `Movenet' for human joins key-points extraction. Our proposed method can work in real-time on any low-computing device with any basic camera. All computation can be processed locally, so there is no problem of privacy of the subject. We used two datasets `GMDCSA' and `URFD' for the experiment. We got the sensitivity value of 0.9375 and 0.9167 for the dataset `GMDCSA' and `URFD' respectively. The source code and the dataset GMDCSA of our work are available online to access.
Abstract（参考訳）: 高齢者は世界中で急速に増加している。彼らには十分な世話者がいない。これにより、AIベースの在宅医療システムの利用が勢いを増している。ヒトの転倒検出は高齢者にとって医療システムにおいて最も重要な課題の1つである。高齢者の転倒は一般的な問題である。転倒を検知し、できるだけ早く医療援助を提供することは、さらなる複雑さを減らすために非常に重要である。死亡率やその他の合併症のリスクは、転倒後できるだけ早く医療支援を検出および提供することによって軽減することができる。現在、最先端の転倒検出技術は数多く存在するが、その大半は非常に高い計算能力を必要とする。本稿では,ポーズ推定を用いた軽量で高速な人間の転倒検出システムを提案する。ヒトのキーポイント抽出に 'movenet' を用いた。提案手法は, 基本カメラを内蔵した低消費電力デバイス上で, リアルタイムに動作可能である。すべての計算はローカルで処理できるので、対象のプライバシに問題はない。実験には「GMDCSA」と「URFD」の2つのデータセットを使用した。データセット `gmdcsa' と `urfd' はそれぞれ 0.9375 と 0.9167 の感度値を得た。私たちの作品のソースコードとデータセットGMDCSAはオンラインでアクセスできます。

関連論文リスト

Computer-Aided Fall Recognition Using a Three-Stream Spatial-Temporal GCN Model with Adaptive Feature Aggregation [0.5235143203977018]
転倒予防は現代医療において特に高齢者にとって最重要である。高齢者の生活を救うためには,コンピュータ支援による転倒検知システムが不可欠である。本稿では,3流時空間特徴量に基づく転倒検出システムを提案する。
論文参考訳（メタデータ） (2024-08-22T08:40:04Z)
AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
論文参考訳（メタデータ） (2024-03-26T17:59:23Z)
CareFall: Automatic Fall Detection through Wearable Devices and AI Methods [0.0]
CareFallは、ウェアラブルデバイスと人工知能(AI)メソッドに基づいた自動転倒検知システム(FDS)である。 CareFallは、スマートウォッチから抽出された加速度計とジャイロスコープの時間信号について検討している。
論文参考訳（メタデータ） (2023-07-11T14:08:51Z)
Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文参考訳（メタデータ） (2023-07-10T09:49:30Z)
Deep Learning-based Fall Detection Algorithm Using Ensemble Model of Coarse-fine CNN and GRU Networks [7.624051346741515]
本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
論文参考訳（メタデータ） (2023-04-13T08:30:46Z)
Vision-based Human Fall Detection Systems using Deep Learning: A Review [5.809590924822318]
ヒトの転倒は、特に高齢者や障害者が単独で生活する上で、非常に重要な健康問題の一つである。本稿では,ディープラーニング(DL)に基づく非侵襲的(ビジョンベース)転倒検出技術について論じる。
論文参考訳（メタデータ） (2022-07-22T09:02:02Z)
Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文参考訳（メタデータ） (2021-06-06T07:11:25Z)
Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文参考訳（メタデータ） (2021-03-11T16:15:20Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Fall Detector Adapted to Nursing Home Needs through an Optical-Flow based CNN [0.0]
この研究は、平均して11.6%の誤報を発生させながら、86.2%の転倒を検知できる転倒検出ソリューションを提示した。提案手法は、感度に基づく距離を最大化するために訓練された畳み込みニューラルネットワーク(CNN)上に構築される。
論文参考訳（メタデータ） (2020-06-11T05:23:12Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。