已经进行了大量的研究来开发基于一系列不同检测方法的跌倒检测系统,即可穿戴和非可穿戴传感和检测技术。在本文中,我们考虑了一种基于 WiFi 信道状态信息 (CSI) 的新兴非穿戴式跌倒检测方法。以前基于 CSI 的跌倒检测解决方案只考虑了时域方法。在这里,我们采用完全不同的方向,即雷达跌倒检测中使用的时频分析。我们使用传统的短时傅立叶变换 (STFT) 来提取时频特征,并使用顺序前向选择算法来挑选出对环境变化具有弹性的特征,同时保持较高的跌倒检测率。当我们的系统经过预训练时,它具有 93% 的准确率,与 RTFall 和 CARM 相比,这分别提高了 12% 和 15%。当环境发生变化时,我们的系统仍然具有接近 80% 的平均准确率,分别提高了 20% 到 30% 和 5% 到 15%。

数据收集和预处理模块负责收集来自 WiFi 设备的原始 CSI 信号并对其进行处理以获得用于时频分析的干净且信息丰富的频谱图。为此,该模块解决了 CSI 捕获中出现的三个问题:(i) 在由于穿墙和非视距 (non-LoS) 链路中的弱信号而导致数据包丢失的情况下获得固定速率的 CSI,(ii)在不丢失高频分量的情况下去除子载波中的噪声,尤其是在信号较弱时,以及 (iii) 从子载波中提取最有效的流作为频谱图的输入,以提高计算效率。为了解决这些问题,我们分别使用线性插值、基于离散小波变换 (DWT) 的噪声过滤和基于主成分分析 (PCA) 的流去相关和选择。特征提取模块具有三个主要功能:(i) 检测事件的开始和结束,该组件应检测 100% 的人为事件,(ii) 在检测到的事件间隔期间提取特征,以及 (iii) 选择对事件进行分类的特征。由于我们使用频谱图来提取特征,因此我们从功率突发曲线 (PBC) 中检测事件,该曲线通常用于雷达跌落检测以检测频谱图中的事件。一旦检测到事件,我们就会从频谱图和 PBC 中提取特征。频谱图提供频谱特征,而 PBC 提供与时间和幅度相关的特征。提取特征后,我们使用顺序前向选择来确定与环境无关的特征并将它们提供给分类器。最后,跌倒分类模块使用提取的特征将检测到的事件分类为跌倒和非跌倒。算法 1 提供了从收集 CSI 到检测到跌倒的每个模块的详细事件流和输入和输出,如 FallDeFi 中实现的那样。

17-IMWUT-FallDeFi Ubiquitous Fall Detection using Commodity Wi-Fi Devices相关推荐

  1. 跌倒综述 Deep Learning Based Systems Developed for Fall Detection A Review

    文章目录 1.基本信息 2. 第一节 介绍 3. 第二节 跌倒检测系统文献 4.第三节 讨论和未来方向 5. 第四节 结论 6. 参考文献 1.基本信息 题目:Deep Learning Based ...

  2. Automatic fall detection of human in video using combination of features译文

    使用特征组合来自动检测视频中的人物 KunWang, Guitao Cao*, Dan Meng, Weiting Chen, Wenming Cao+ 计算机科学与软件工程学院 华东师范大学 上海, ...

  3. 计算机视觉摔倒检测,有关摔倒检测数据集(fall detection databases)

    近期学习摔倒检测,接触摔倒数据集,自学笔记,仅用作个人复习. the UR fall detection dataset (URFD) the fall detection dataset (FDD) ...

  4. 17:Oriented R-CNN for Object Detection

    1.介绍 不同方案生成定向proposals的比较.(a)旋转RPN密集放置不同尺度.比例和角度的旋转锚点.(b)水平RoI的RoI Transformer+学习型方案.它包括RPN.RoI对齐和回归 ...

  5. Ubicomp2018年论文列表

    S1: IMPROVING OUR MENTAL HEALTH (关于心理健康) A Weakly Supervised Learning Framework For Detecting Social ...

  6. Inferring Motion Direction using Commodity Wi-Fi for Interactive Exergames (WiDrancd)论文翻译

    Inferring Motion Direction using Commodity Wi-Fi for Interactive Exergames (WiDrance) 利用wifi推断运动方向的互 ...

  7. Abnormal Activity Detection Using Pyroelectric Infrared Sensors

    Abnormal Activity Detection Using Pyroelectric Infrared Sensors 基于PIR的异常行为检测 摘要: 老年人的健康是老龄化社会的最突出问题. ...

  8. 【论文翻译】Few-Shot Object Detection and Viewpoint Estimation for Objects in the Wild

    Few-Shot Object Detection and Viewpoint Estimation for Objects in the Wild 野外目标的小样本目标检测与视点估计 论文地址:ht ...

  9. 《《《翻译》》》SUN RGB-D数据集

    参考网址:http://rgbd.cs.princeton.edu                    http://www0.cs.ucl.ac.uk/staff/M.Firman/RGBDdat ...

最新文章

  1. C++ 笔记(25)— 理解 C++ 中的头文件和源文件的作用
  2. 这可能是程序员学习大数据架构师的最佳之路!另附送1024G学习资料!
  3. SAP Variant Conditions in Purchasing using reference characteristics【中英文双语版】
  4. presonus studio one 5中文版
  5. 游三圣乡山中湖岛有感
  6. lvds 共模电感_【成功案例】共模电感CM0805C221R-10解决车载LVDS信号的手持天线抗扰问题...
  7. 我的内核学习笔记3:我的platform驱动模板文件
  8. 零基础学python实战-Python3.6零基础入门与实战 PDF 带源码视频版
  9. 精选| 2019年6月R新包推荐(第31期)
  10. java.lang.RuntimeException: Package manager has died
  11. 检索 COM 类工厂中 CLSID 为 {00024500-0000-0000-C000-000000000046} 的组件失败,原因是出现以下错误: 8000401a 因为配置标识不正确,系统无法开
  12. 便捷的收集数据工具—Sniffer嗅探器
  13. 计算机网络工程专业大学排名,2021网络工程专业大学排名 最好大学排行榜
  14. 12.8 drf 村长项目
  15. 卜算子.咏梅 英文版
  16. JAVA创建一个Box类(长方体),在Box类中定义三个变量,分别表示长方体的长(length)、宽(width)和高(heigth)
  17. 怎样实现url隐形转发?
  18. IAAS基于开源openstack框架搭建云计算平台和各组件基础搭建内容包括mysql、keyston、Glance、Nova、Neutron、Dashboard、Heat、Trove等
  19. MySQL做题实战2||实习广场投递简历分析
  20. 视频教程-清华-尹成老师-java基础-Day8-Java

热门文章

  1. 电源硬件设计----电源基础知识(2)
  2. Java实现 LeetCode第198场周赛 (题号5464,5465,5466,5467)
  3. DNS原理篇01-DNS原理介绍
  4. 毕设:基于SpringBoot+Vue 实现云音乐(前后端分离)
  5. 学java 开发会掉头_作为一个全新的开发人员,我会学到什么
  6. 自适应模式识别:模板匹配、特征提取
  7. 腾讯2014校园招聘笔试试题
  8. 让GAN随音乐律动的Python工具,网友:这是我见过的GAN的最佳用法 | reddit高赞
  9. 2018-2019赛季多校联合新生训练赛第六场补题与题解(中石油)
  10. 修复 DSL 自动开关机的问题 ( NDSL / iDSL 自动开机 自动关机 修理)