基于递归神经网络的跌倒检测系统
针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果.首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害.
跌倒检测、接近跌倒检测、传感器数据、递归神经网络、大数据、跌倒检测算法、训练算法、RNNFD
13
TP391(计算技术、计算机技术)
江苏省科技厅重点研发计划产业前瞻与共性关键技术项目BE2015137;江苏省自然科学基金项目BK20140570;中国博士后基金项目2016M601737
2018-06-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
380-387