Biblioteca122.739 documentos en línea

Artículo

Three Ways to Improve the Performance of Real-Life Camera-Based Fall Detection SystemsTres formas de mejorar el rendimiento de los sistemas de detección de caídas basados en cámaras reales

Resumen

Más del treinta por ciento de las personas mayores de 65 años se caen al menos una vez al año y a menudo no son capaces de levantarse de nuevo. Los sistemas de detección de caídas basados en cámaras pueden ayudar activando una alarma cuando se producen caídas. Anteriormente demostramos que los datos de la vida real plantean importantes retos, lo que se traduce en elevadas tasas de falsas alarmas. Aquí mostramos tres formas de abordar este problema. En primer lugar, el uso de un filtro de partículas combinado con un detector de personas aumenta la robustez de nuestra segmentación del primer plano, reduciendo el número de falsas alarmas en un 50%. En segundo lugar, la selección de caídas no ocluidas para el entrenamiento reduce aún más la tasa de falsas alarmas, pasando de 31,4 a 26 caídas al día. Pero lo más importante es que esta mejora se refleja también en la duplicación del AUC de la curva de precisión-recordatorio en comparación con el uso de todas las caídas. En tercer lugar, la personalización del detector añadiendo a los datos de entrenamiento varios días que sólo contienen actividades normales, sin incidentes de caídas, de la persona monitorizada, aumenta aún más la robustez de nuestro sistema de detección de caídas. En un caso, esto redujo el número de falsas alarmas en un factor de 7, mientras que en otro la sensibilidad aumentó en un 17 o un aumento de las falsas alarmas del 11%.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento