-
Patent Agency Ranking
公开(公告)号：CN110298276A
公开(公告)日：2019-10-01
申请号：CN201910529955.9
申请日：2019-06-19
Applicant: 北京工业大学
Abstract: 基于卷积神经网络的跌倒检测方法属于电子信息领域，本发明将通过MEMS采集的3轴加速度、角速度数据转为RGB像素，并引入滑动窗口构造能同时反映老年人活动过程中3轴加速度、角速度变化特征的像素图；参考LeNet 5架构设计了基于CNN的跌倒监测算法FD-CNN，将像素图进行归类，实现跌倒检测算法。通过构建FD-CNN，可以克服MEMS陀螺仪存在信号漂移误差、3轴加速度计在运动状态下产生电压波动等干扰，准确实现跌倒检测。FD-CNN网络模型系统的准确率达到了98.62％，敏感度和特异性分别达到98.65％和99.80％。其中，系统对跌倒检测的敏感度和特异性均到达了100％。
-
公开(公告)号：CN109800860A
公开(公告)日：2019-05-24
申请号：CN201811624372.6
申请日：2018-12-28
Applicant: 北京工业大学
IPC: G06N3/04 , G06F3/0346 , A61B5/11
Abstract: 本发明提供一种面向社区基于CNN算法的老年人跌倒监测方法，采用基于3轴加速度、角速度人体模型构造的感知节点以100Hz的采样频率采集数据，并上传服务器，服务器端使用了面向跌倒检测的卷积神经网络(Fall Detection Convolutional Neural Networks，FD-CNN)检测是否跌倒，一旦检测到跌倒则立刻报警。
-
公开(公告)号：CN108230618A
公开(公告)日：2018-06-29
申请号：CN201711397818.1
申请日：2017-12-21
Applicant: 北京工业大学
CPC classification number: Y02D70/00 , Y02D70/10 , G08B21/043 , A61B5/1117 , A61B5/746 , G08B21/0446 , H04W84/18
Abstract: 本发明公开一种面向社区基于ZigBee的低功耗跌倒检测系统，包括：多个运动感知模块和服务器；其中，运动感知模块采用Zigbee和中断功能实现低功耗人体运动数据采集，并将采集的运动数据通过ZigBee网络传至集成了ZigBee汇聚节点的服务器，服务器进行卡尔曼滤波并通过kNN算法分析检测是否发生跌倒，一旦检测到跌倒系统自动报警。本发明在传输距离上面，很好的开阔了用户的活动范围；在获取和传输用户跌倒数据上面，采用了低功耗的设备和中断驱动的数据传输算法，很好解决了穿戴设备高能耗的问题；在跌倒数据处理和检测上，提高了检测识别跌倒的精度；在跌倒报警上面，能够及时的进行报警和通知。
-
-
-
Search Results
5
records
(took 0.023 seconds)
