基于SE-CNN的人体摔倒检测方法

• Published in: 计算机工程 Vol. 48; no. 6; pp. 270 - 277
• Main Authors: 杨志勇, 王俊杰, 金磊
• Format: Journal Article
• Language: Chinese
• Published: 南昌航空大学 软件学院,南昌 330063 2022
• Subjects: 小波变换; 联合特征; SE-CNN模型; 无线传感; 摔倒检测
• ISSN: 1000-3428
• DOI: 10.19678/j.issn.1000-3428.0061833

TP391; 人口老龄化是当今社会发展不可忽视的问题,目前有很大一部分老年人在无人照顾的境况下独自生活,摔倒后无法及时得到救助成为威胁老人生命安全的重要原因之一.现有的人体摔倒检测方法存在适应性差、高入侵性、易误判、成本昂贵等问题,且无法快速、实时检测老人摔倒.提出一种基于机器学习和无线传感器网络的摔倒检测方法,使用多个物联网传感节点组建无线传感器网络采集RSS数据,对采集到的RSS数据进行预处理后,通过XGBoost模型对时域特征分量和小波域特征分量进行处理,并以排列组合方式得到具有强鲁棒性的联合特征分量.利用深度学习网络获得数据潜在规律的特点构建人体摔倒识别模型,采用卷积神经网络作为主干网络,并在相邻网络层之间引入通道注意力模块,通过构建SE-CNN模型实现人体摔倒检测.实验结果表明,联合特征的加入能够提高RSS数据的可区分性,且SE-CNN模型的识别准确率高于CNN模型,可以实现高准确率的人体摔倒检测.