典型文献
轻量级CNN实时跌倒预测及嵌入式系统实现
文献摘要：
为了实现实时而准确的跌倒预测,同时将深度学习模型移植到于可穿戴端设备中运行,提出了一种轻量级卷积神经网络模型.借鉴深度可分离网络的轻量级模型思想,设计了网络结构,并优化通道数和卷积核尺寸,在保证准确率基本不变的情况下大大减小了模型计算复杂度.为将算法部署于可穿戴跌倒保护设备,提出了模型在嵌入式端的实时运行框架,并将算法编写为C程序,移植到了 STM32单片机中.此模型在Sisfall数据集中获得了 97.5％的准确率,204.3 ms的裕量时间.移植的模型仅有11.65 KB大小,在STM32单片机中的算法延时仅为8.24 ms.实验结果表明,该模型具有较高的预测精度和很好的实时性,为跌倒预测算法和跌倒保护装置的开发提供了进一步的参考.
文献关键词：
跌倒检测;深度可分离网络;嵌入式;可穿戴设备
中图分类号：
作者姓名：
杜群贵;钟威
作者机构：
华南理工大学机械与汽车工程系 广州510640
文献出处：
引用格式：
[1]杜群贵;钟威-.轻量级CNN实时跌倒预测及嵌入式系统实现)[J].电子测量技术,2022(11):10-15
A类：
深度可分离网络,Sisfall,跌倒保护装置
B类：
跌倒预测,嵌入式系统,系统实现,时而,深度学习模型,端设备,轻量级卷积神经网络,卷积神经网络模型,轻量级模型,模型思想,通道数,卷积核尺寸,计算复杂度,法部,保护设备,时运,运行框架,STM32,单片机,ms,裕量,KB,延时,预测算法,跌倒检测,可穿戴设备
AB值：
0.301798
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。
