論文の概要: ElderFallGuard: Real-Time IoT and Computer Vision-Based Fall Detection System for Elderly Safety
- arxiv url: http://arxiv.org/abs/2505.11845v1
- Date: Sat, 17 May 2025 05:09:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:10.890664
- Title: ElderFallGuard: Real-Time IoT and Computer Vision-Based Fall Detection System for Elderly Safety
- Title（参考訳）: ElderFallGuard: 高齢者の安全のためのリアルタイムIoTとコンピュータビジョンによる転倒検知システム
- Authors: Tasrifur Riahi, Md. Azizul Hakim Bappy, Md. Mehedi Islam,
- Abstract要約: ElderFallGuardは、高齢者の安全を高め、インテリジェントでタイムリーなアラートを通じて介護者の心の平和を提供する、視覚ベースのIoTソリューションだ。
システムは、イベントのスナップショットを含む警告を、カスタムボットを介して指定されたTelegramグループに即座に送信し、通知過負荷を防止するロジックを組み込んだ。我々のデータセットの厳密なテストは、例外的な結果を示し、100%精度、精度、リコール、F1スコアを達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For the elderly population, falls pose a serious and increasing risk of serious injury and loss of independence. In order to overcome this difficulty, we present ElderFallGuard: A Computer Vision Based IoT Solution for Elderly Fall Detection and Notification, a cutting-edge, non-invasive system intended for quick caregiver alerts and real-time fall detection. Our approach leverages the power of computer vision, utilizing MediaPipe for accurate human pose estimation from standard video streams. We developed a custom dataset comprising 7200 samples across 12 distinct human poses to train and evaluate various machine learning classifiers, with Random Forest ultimately selected for its superior performance. ElderFallGuard employs a specific detection logic, identifying a fall when a designated prone pose ("Pose6") is held for over 3 seconds coupled with a significant drop in motion detected for more than 2 seconds. Upon confirmation, the system instantly dispatches an alert, including a snapshot of the event, to a designated Telegram group via a custom bot, incorporating cooldown logic to prevent notification overload. Rigorous testing on our dataset demonstrated exceptional results, achieving 100% accuracy, precision, recall, and F1-score. ElderFallGuard offers a promising, vision-based IoT solution to enhance elderly safety and provide peace of mind for caregivers through intelligent, timely alerts.
- Abstract（参考訳）: 高齢者にとって、転倒は重傷や独立の喪失のリスクが高まる。
この困難を克服するために、我々はElderFallGuard: A Computer Vision Based IoT Solution for elderly Fall Detection and Notificationを発表した。
提案手法は,標準的な映像ストリームからの人間のポーズ推定にMediaPipeを用いて,コンピュータビジョンのパワーを活用している。
我々は、さまざまな機械学習分類器を訓練し評価するために、12の異なるポーズにまたがる7200のサンプルからなるカスタムデータセットを開発し、最終的にその優れたパフォーマンスのためにランダムフォレストを選択した。
ElderFallGuardは特定の検出ロジックを採用し、指定されたポーズ("Pose6")が3秒以上保持されたときの転倒を識別する。
確認されると、システムは即座にイベントのスナップショットを含むアラートをカスタムボットを介して指定されたTelegramグループに送信し、冷却ロジックを組み込んで通知の過負荷を防ぐ。
このデータセットの厳密なテストでは,100%精度,精度,リコール,F1スコアが得られた。
ElderFallGuardは、高齢者の安全を高め、インテリジェントでタイムリーなアラートを通じて介護者の心の平和を提供する、有望なビジョンベースのIoTソリューションを提供する。
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) - A Multimodal Dangerous State Recognition and Early Warning System for Elderly with Intermittent Dementia [8.299841779645014]
このシステムは、アンチロススマートヘルメット、クラウドコンピューティングモジュール、および介護者のモバイルデバイス上のインテリジェント早期警告アプリケーションを含む。
このスマートヘルメットは、ミニチュアカメラモジュール、GPSモジュール、および5G通信モジュールを統合し、高齢者のファーストパーソン画像と位置情報を収集する。
クラウドコンピューティングモジュールにおいて、私たちのチームは、高齢者が行方不明になるリスクを正確に評価するために、シーン情報と位置情報に基づくマルチモーダルな危険な状態認識ネットワークを初めて提案しました。
論文 参考訳（メタデータ） (2024-05-30T15:12:18Z) - Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。
MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。
我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文 参考訳（メタデータ） (2023-10-18T11:36:42Z) - 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) - 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) - Real-Time Elderly Monitoring for Senior Safety by Lightweight Human
Action Recognition [11.178325140443446]
リアルタイム監視と行動認識は、異常な行動や異常な活動が発生した場合に警告をタイムリーに起こすのに不可欠である。
本稿では, 軽量人行動認識(HAR)技術に基づく, 高齢者安全のためのリアルタイム高齢者モニタリング(REMS)を提案する。
論文 参考訳（メタデータ） (2022-07-21T15:00:54Z) - Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。
既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。
以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
論文 参考訳（メタデータ） (2022-07-20T19:49:09Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳（メタデータ） (2020-12-15T16:54:45Z) - SSHFD: Single Shot Human Fall Detection with Occluded Joints Resilience [10.719603033631952]
Single Shot Human Fall Detectorは、単一の画像から自動転倒検出を行うディープラーニングベースのフレームワークである。
まず、外見の特徴に不変な人間のポーズに基づく転倒表現を示す。
次に、3次元ポーズ推定と転倒認識のためのニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2020-04-02T03:41:39Z)
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。