Two-stage Fall Events Classification with Human Skeleton Data

要約

転倒の検出と分類は、ますます高齢化が進む医療アプリケーションの特殊性にとって不可欠な問題になっています。
現在、落下分類アルゴリズムのほとんどは、バイナリ落下または落下なしの分類を提供します。
したがって、より良い医療のためには、2 値の転倒分類を行うだけでは十分ではなく、それを複数の転倒イベントの分類に拡張する必要があります。
この作業では、複数の落下イベントの分類にプライバシーを緩和する人間の骨格データを利用します。
個人のプライバシーを軽減するだけでなく、ダイナミック イルミネーションの影響を軽減するために、元の RGB 画像からスケルトン フィーチャが抽出されます。
提案された落下イベントの分類方法は、2 つの段階に分けられます。
最初の段階では、二項分類を達成して落下のないイベントを除外するようにモデルをトレーニングします。
次に、第 2 段階で、ディープ ニューラル ネットワーク (DNN) モデルをトレーニングして、5 種類の転倒イベントをさらに分類します。
提案された方法の効率を確認するために、UP-Fall データセットでの実験は最新技術よりも優れています。

要約(オリジナル)

Fall detection and classification become an imper- ative problem for healthcare applications particularity with the increasingly ageing population. Currently, most of the fall clas- sification algorithms provide binary fall or no-fall classification. For better healthcare, it is thus not enough to do binary fall classification but to extend it to multiple fall events classification. In this work, we utilize the privacy mitigating human skeleton data for multiple fall events classification. The skeleton features are extracted from the original RGB images to not only mitigate the personal privacy, but also to reduce the impact of the dynamic illuminations. The proposed fall events classification method is divided into two stages. In the first stage, the model is trained to achieve the binary classification to filter out the no-fall events. Then, in the second stage, the deep neural network (DNN) model is trained to further classify the five types of fall events. In order to confirm the efficiency of the proposed method, the experiments on the UP-Fall dataset outperform the state-of-the-art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google