論文の概要: Thermal Imaging-based Real-time Fall Detection using Motion Flow and Attention-enhanced Convolutional Recurrent Architecture

• arxiv url: http://arxiv.org/abs/2509.16479v1
• Date: Sat, 20 Sep 2025 00:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.814182
• Title: Thermal Imaging-based Real-time Fall Detection using Motion Flow and Attention-enhanced Convolutional Recurrent Architecture
• Title（参考訳）: 動き流とアテンション強化畳み込み再帰構造を用いた熱画像に基づくリアルタイム転倒検出
• Authors: Christopher Silver, Thangarajah Akilan,
• Abstract要約: 高齢者や高齢者施設は、非着用、受動的、プライバシー保護、リアルタイムの転倒検知システムを好む。 本研究では,双方向畳み込み長短期記憶(BiConvLSTM)モデルを用いた熱降下検出手法を提案する。
• 参考スコア（独自算出の注目度）: 1.1301294319986477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Falls among seniors are a major public health issue. Existing solutions using wearable sensors, ambient sensors, and RGB-based vision systems face challenges in reliability, user compliance, and practicality. Studies indicate that stakeholders, such as older adults and eldercare facilities, prefer non-wearable, passive, privacy-preserving, and real-time fall detection systems that require no user interaction. This study proposes an advanced thermal fall detection method using a Bidirectional Convolutional Long Short-Term Memory (BiConvLSTM) model, enhanced with spatial, temporal, feature, self, and general attention mechanisms. Through systematic experimentation across hundreds of model variations exploring the integration of attention mechanisms, recurrent modules, and motion flow, we identified top-performing architectures. Among them, BiConvLSTM achieved state-of-the-art performance with a ROC-AUC of $99.7\%$ on the TSF dataset and demonstrated robust results on TF-66, a newly emerged, diverse, and privacy-preserving benchmark. These results highlight the generalizability and practicality of the proposed model, setting new standards for thermal fall detection and paving the way toward deployable, high-performance solutions.
• Abstract（参考訳）: 高齢者の転倒は主要な公衆衛生問題である。 ウェアラブルセンサ、環境センサ、RGBベースのビジョンシステムを使った既存のソリューションは、信頼性、ユーザコンプライアンス、実用性において課題に直面している。 研究は、高齢者や介護施設などの利害関係者が、ユーザーのインタラクションを必要としない非着用、受動的、プライバシー保護、リアルタイムの転倒検知システムを好むことを示唆している。 本研究では,双方向畳み込み長短期記憶(BiConvLSTM)モデルを用いて,空間的,時間的,特徴的,自己的,一般の注意機構を付加した高度な熱的落下検出手法を提案する。 注意機構、繰り返しモジュール、動きの流れの統合を探索する数百のモデルバリエーションの体系的な実験を通じて、トップパフォーマンスアーキテクチャを同定した。 その中でも BiConvLSTM は TSF データセットで 99.7 % のROC-AUC で最先端のパフォーマンスを達成し,新たに出現した多種多様なプライバシ保護ベンチマークである TF-66 上で堅牢な結果を示した。 これらの結果は,提案モデルの汎用性と実用性を強調し,熱落下検出のための新しい標準を設定し,デプロイ可能な高性能ソリューションへの道を開いた。

関連論文リスト

• DRTA: Dynamic Reward Scaling for Reinforcement Learning in Time Series Anomaly Detection [7.185726339205792]
  時系列データの異常検出は、ファイナンス、ヘルスケア、センサーネットワーク、産業監視におけるアプリケーションにとって重要である。 本稿では,動的報酬形成,変分オートエンコーダ(VAE),DRTAと呼ばれるアクティブラーニングを統合した強化学習ベースのフレームワークを提案する。 提案手法は,VAEに基づく再構成誤りと分類報酬の効果を動的にスケーリングすることにより,探索と利用のバランスをとる適応報酬機構を用いる。
  論文  参考訳（メタデータ） (2025-08-25T20:39:49Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [78.18946529195254]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• SDFA: Structure Aware Discriminative Feature Aggregation for Efficient Human Fall Detection in Video [25.57448683000322]
  高齢者は、姿勢の不安定さと健康の悪化により転倒するおそれがある。 低解像度ビデオから抽出した人間の骨格に基づく転倒検出モデルSDFAを提案する。 本モデルでは,共有高次元空間上に投影される統一関節および運動特徴を用いて,識別的構造変位と動きの傾向を捉える。
  論文  参考訳（メタデータ） (2025-03-10T07:46:00Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM [0.0]
  本稿では,高齢者の転倒事故に対するプレッシャー的懸念に対処するために,正確な転倒検知システムを開発することで,革新的なアプローチを提案する。 提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。 本稿では,LSTMモデルのアーキテクチャとパラメータを戦略的に微調整し,システムの性能を最適化するプルーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-09-09T20:17:39Z)
• Learn to cycle: Time-consistent feature discovery for action recognition [83.43682368129072]
  時間的変動を一般化することは、ビデオにおける効果的な行動認識の前提条件である。 Squeeze Re Temporal Gates (SRTG) を導入する。 SRTPGブロックを使用する場合,GFLOの数は最小限に抑えられ,一貫した改善が見られた。
  論文  参考訳（メタデータ） (2020-06-15T09:36:28Z)
• Human Activity Recognition from Wearable Sensor Data Using Self-Attention [2.9023633922848586]
  本稿では,身体のセンサデータから行動認識のための自己認識型ニューラルネットワークモデルを提案する。 一般に公開されている4つのHARデータセット、PAMAP2、Opportunity、Skoda、USC-HADについて実験を行った。 ベンチマークテスト対象とLeave-out-subject評価の両方において,最近の最先端モデルよりも高い性能向上を実現している。
  論文  参考訳（メタデータ） (2020-03-17T14:16:57Z)

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。