龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：云南师范大学
摘要：本发明提供一种基于惯性传感器的深度可分离卷积神经网络跌倒检测方法，其中方法包括：获取用户穿戴手腕的惯性传感器测量的人体运动数据，包括加速度和陀螺仪角速度值；然后将数据传给我们提出的跌倒检测模型对用户是否跌倒进行判断，如果检测到用户发生跌倒行为时，则生成报警信息。本发明通过惯性传感器收集用户活动数据，并利用深度可分离卷积神经网络进行特征提取和分类，实现高效、准确的跌倒检测。
主权项：1.一种基于惯性传感器的深度可分离卷积神经网络跌倒检测方法，其特征在于，包括以下步骤：1数据采集：通过佩戴在用户手腕上的惯性传感器实时采集用户活动数据，包括加速度和陀螺仪角速度值；2数据预处理：对采集到的原始数据进行归一化预处理操作，以消除加速度和陀螺仪量程差异对数据质量的影响；3构建深度可分离卷积神经网络模型：1输入层：接收预处理后的惯性传感器数据，输入数据的形状为300,6；2卷积层：通过一维卷积层Conv1D和深度可分离卷积层SeparableConv1D提取数据特征，其中卷积核大小为3，激活函数为ReLU，采用“same”填充方式保持数据长度不变；3池化层：通过一维最大池化层MaxPooling1D对特征图进行下采样，池化窗口大小为3，同样采用“same”填充方式；4Dropout层：在网络中添加至少一个Dropout层以防止过拟合，并提升模型的泛化能力；5平坦化层：将经过多次卷积和池化操作后的多维特征图转换为一维数组；6全连接层：首先通过一个全连接层对平坦化后的特征进行进一步的非线性变换，该层包含至少4个神经元，激活函数为ReLU；之后再次引入Dropout层，以减少神经元之间的共适应性，防止过拟合；7输出层：通过一个全连接层作为输出层，该层包含1个神经元，激活函数为sigmoid，用于输出预测结果，即用户是否发生跌倒的概率；4跌倒检测：根据模型的输出结果判断用户是否发生跌倒，当模型输出为跌倒的概率超过设定的阈值时，判断为发生跌倒；5反馈与报警：当检测到跌倒事件时，通过可穿戴设备内置的通信模块向预设的紧急联系人发送报警信息，并记录跌倒发生的时间、地点等信息。
全文数据：
权利要求：
百度查询： 云南师范大学 基于惯性传感器的深度可分离卷积神经网络跌倒检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号