論文の概要: Modeling Human Skeleton Joint Dynamics for Fall Detection

• arxiv url: http://arxiv.org/abs/2503.06938v1
• Date: Mon, 10 Mar 2025 05:35:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:48:16.889029
• Title: Modeling Human Skeleton Joint Dynamics for Fall Detection
• Title（参考訳）: 転倒検出のための人骨格関節ダイナミクスのモデリング
• Authors: Sania Zahan, Ghulam Mubashar Hassan, Ajmal Mian,
• Abstract要約: ビデオストリームからのフォール検出は、プライバシー問題のために現実のアプリケーションにとって魅力的な選択肢ではない。 骨格関節のような体のキーポイントは、運動力学に関する重要な情報を伝えることができる。 本稿では,人間の骨格関節の時間的関節依存性とダイナミックスを利用して正確な転倒検出を行う,効率的なグラフ畳み込みネットワークモデルを提案する。
• 参考スコア（独自算出の注目度）: 25.57448683000322
• License:
• Abstract: The increasing pace of population aging calls for better care and support systems. Falling is a frequent and critical problem for elderly people causing serious long-term health issues. Fall detection from video streams is not an attractive option for real-life applications due to privacy issues. Existing methods try to resolve this issue by using very low-resolution cameras or video encryption. However, privacy cannot be ensured completely with such approaches. Key points on the body, such as skeleton joints, can convey significant information about motion dynamics and successive posture changes which are crucial for fall detection. Skeleton joints have been explored for feature extraction but with image recognition models that ignore joint dependency across frames which is important for the classification of actions. Moreover, existing models are over-parameterized or evaluated on small datasets with very few activity classes. We propose an efficient graph convolution network model that exploits spatio-temporal joint dependencies and dynamics of human skeleton joints for accurate fall detection. Our method leverages dynamic representation with robust concurrent spatio-temporal characteristics of skeleton joints. We performed extensive experiments on three large-scale datasets. With a significantly smaller model size than most existing methods, our proposed method achieves state-of-the-art results on the large scale NTU datasets.
• Abstract（参考訳）: 高齢化が進むにつれて、より良いケアと支援体制が求められている。 転倒は高齢者にとって頻繁で重大な問題であり、深刻な長期的健康問題を引き起こしている。 ビデオストリームからのフォール検出は、プライバシー問題のために現実のアプリケーションにとって魅力的な選択肢ではない。 既存の方法では、非常に低解像度のカメラやビデオ暗号化を使ってこの問題を解決しようとする。 しかし、そのようなアプローチでは、プライバシーを完全に保証することはできない。 骨格関節のような身体のキーポイントは、転倒の検出に不可欠な運動力学や連続した姿勢変化に関する重要な情報を伝えることができる。 骨格関節は特徴抽出のために研究されているが、行動の分類において重要なフレーム間の関節依存を無視した画像認識モデルを用いている。 さらに、既存のモデルは、非常に少数のアクティビティクラスを持つ小さなデータセットで過度にパラメータ化または評価されている。 本稿では,人間の骨格関節の時空間的関節依存性とダイナミックスを利用して正確な転倒検出を行う,効率的なグラフ畳み込みネットワークモデルを提案する。 本手法は骨格関節の動的表現と同時時空間特性を利用する。 3つの大規模データセットについて広範な実験を行った。 提案手法は,既存手法に比べてモデルサイズが大幅に小さく,大規模NTUデータセットの最先端結果が得られる。

関連論文リスト

• One-Shot Action Recognition via Multi-Scale Spatial-Temporal Skeleton Matching [77.6989219290789]
  ワンショットスケルトン行動認識は、単一のトレーニングサンプルでスケルトン行動認識モデルを学ぶことを目的としている。 本稿では,マルチスケールな時空間特徴マッチングによる骨格行動認識を行う新しい一発骨格行動認識手法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T11:52:10Z)
• Overcoming Topology Agnosticism: Enhancing Skeleton-Based Action Recognition through Redefined Skeletal Topology Awareness [24.83836008577395]
  グラフ畳み込みネットワーク(GCN)は長い間、骨格に基づく行動認識の最先端を定義してきた。 彼らはモデルの重みとともに隣接行列を最適化する傾向がある。 このプロセスは、骨接続データの段階的な崩壊を引き起こし、マッピングしようとしたトポロジとは無関係なモデルで終わる。 本稿では,骨の接続性をグラフ距離のパワーを利用して符号化する革新的な経路を提案する。
  論文  参考訳（メタデータ） (2023-05-19T06:40:12Z)
• View-Invariant Skeleton-based Action Recognition via Global-Local Contrastive Learning [15.271862140292837]
  骨格に基づく人間の行動認識のための手動動作ラベル付けを使わずに、新しいビュー不変表現学習手法を提案する。 我々は、異なる視点から抽出された表現間の相互情報を最大化することにより、ネットワークトレーニングにおいて同一人物に対して同時に取られたマルチビュースケルトンデータを活用する。 提案手法は,入力スケルトンデータのビュー差に頑健であり,教師なしスケルトンに基づく人体行動法の性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2022-09-23T15:00:57Z)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based Action Recognition [88.34182299496074]
  アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。 我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。 時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
  論文  参考訳（メタデータ） (2022-07-17T07:05:39Z)
• Temporal Relevance Analysis for Video Action Models [70.39411261685963]
  まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。 次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
  論文  参考訳（メタデータ） (2022-04-25T19:06:48Z)
• Revisiting Skeleton-based Action Recognition [107.08112310075114]
  PoseC3Dは骨格に基づく行動認識の新しいアプローチであり、代わりに人間の骨格のベース表現としてグラフシーケンスを積み重ねる3Dヒートマップに依存している。 4つの挑戦的なデータセットにおいて、PoseC3Dは、スケルトン上で単独で使用し、RGBモダリティと組み合わせることで、常に優れたパフォーマンスを得る。
  論文  参考訳（メタデータ） (2021-04-28T06:32:17Z)
• Graph-based Normalizing Flow for Human Motion Generation and Reconstruction [20.454140530081183]
  過去の情報と制御信号に基づく長地平線運動系列を合成・再構築する確率生成モデルを提案する。 足踏み解析と骨長解析を併用したモーションキャプチャデータセットを用いたモデル評価を行った。
  論文  参考訳（メタデータ） (2021-04-07T09:51:15Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)
• Anatomy-aware 3D Human Pose Estimation with Bone-based Pose Decomposition [92.99291528676021]
  3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。 私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。 我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
  論文  参考訳（メタデータ） (2020-02-24T15:49:37Z)

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。