典型文献
基于双向LSTM神经网络可穿戴跌倒检测研究
文献摘要：
针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果.为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理.算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测.通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力.
文献关键词：
跌倒检测;长短期记忆;加速度传感器;神经网络;特征提取
中图分类号：
作者姓名：
段美玲;潘巨龙
作者机构：
浙江省电磁波信息技术与计量检测重点实验室(中国计量大学),浙江杭州310018;中国计量大学信息工程学院,浙江杭州310018
文献出处：
引用格式：
[1]段美玲;潘巨龙-.基于双向LSTM神经网络可穿戴跌倒检测研究)[J].广西师范大学学报（自然科学版）,2022(03):141-150
A类：
SisFall
B类：
可穿戴,跌倒检测,救助,检测算法,告警,严重危害,检测精确度,双向长短期记忆神经网络,取自,惯性传感器,自动提取,倒行,数据特征,理到,算法模型,加速度传感器,特征向量,公开数据集,检测精度,实时检测,检测要求,泛化能力
AB值：
0.211497
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
