文档名：基于双向LSTM神经网络的可穿戴跌倒预警研究
摘要：为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数据特征所消耗的时间,提升了跌倒预测模型的泛化能力.首先根据跌倒落地时刻和前置时间截取数据窗口作为输入;其次设计轻量级双向长短期记忆神经网络提取加速度特征并预测跌倒;最后借助TensorFlowLite框架对模型进行轻量化改造.实验结果表明所提算法在SisFall跌倒公开数据集中获得了96.92％的准确率,95.73％的敏感度,98.15％的特异度,跌倒前置反应时间达215ms,足以触发跌倒防护气囊.对应的TensorFlowLite模型所占空间大小仅为62.2kB,算法运行时间为1.20ms,有望部署在嵌入式可穿戴终端,进行实时跌倒预测.所提算法实现了更高的预测精度并具有较长的跌倒预警时间,更适于资源受限的嵌入式设备,为老年人跌倒预测和可穿戴式跌倒保护装置的开发提供了进一步的参考.
Abstract：Itisveryimportanttopredictfallsbeforehittingonthegroundandtotriggerfallprotectiveairbagstimelytopreventseriousphysicalandpsychologicalinjuriestotheelderly.Alightweightfallpredictionalgorithmbasedonbi-directionallongshort-termmemoryneuralnetworksisproposed.Adeeplearningmodelinsteadofmanualfeatureextractionattheterminalisusedtoextractdeepfeaturesofaccelerometerdataautomaticallytoimprovethegeneralizationcapabilityofthemodel.Firstly,thedatawindowselectedaccordingtothefalllandingmomentandleadtimeisadoptedastheinput.Secondly,alightweightbi-directionallongshort-termmemoryneuralnet-workisdesignedtoextractaccelerationfeaturesandpredictthefall.Finally,themodelislightenedwiththehelpofTensorFlowLiteframework.Experimentalresultsshowthatthenewalgorithmachievesanaccuracyof96.92％,asensitivityof95.73％,andaspecificityof98.15％ontheSisFallfallpublicdatasetwithaleadtimeof215ms,andtheTensorFlowLitemodelfordeploymenttoembeddedter-minalsoccupiesonly62.2kBinmemorysizewith1.2msrunningtime,whichisexpectedtobedeployedinembeddedterminalsforre-al-timefallprediction.Theproposedalgorithmachieveshigherpredictionaccuracyandlongerleadtime,whichismoresuitableforre-source-constrainedembeddeddevicesandprovidesafurtherreferenceforthedevelopmentoffallpredictionandwearablefallprotectiondevicesfortheelderly.
作者：李玲艺 潘巨龙 项睿涵 方堃Author：LILingyi PANJulong XIANGRuihan FANGKun
作者单位：中国计量大学信息工程学院,浙江杭州310018
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2024, 37(5)
分类号：TP181TP212.9
关键词：跌倒预测 深度学习 双向LSTM 前置时间 可穿戴设备 保护气囊
Keywords：fallprediction deeplearning bi-directionalLSTM leadtime wearabledevice airbag
机标分类号：TP391TP183F832.51
在线出版日期：2024年7月19日
基金项目：浙江省基础公益研究计划项目基于双向LSTM神经网络的可穿戴跌倒预警研究[
期刊论文] 传感技术学报--2024, 37(5)李玲艺 潘巨龙 项睿涵 方堃为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于双向LSTM神经网络的可穿戴跌倒预警研究 Research on Wearable Fall Prediction Based on Bi-Directional LSTM
基于双向LSTM神经网络的可穿戴跌倒预警研究.pdf
- 文件大小:
- 1.91 MB
- 下载次数:
- 60
-
高速下载
|
|
