Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data

要約

個人、特に高齢者の間の転倒は、重傷や合併症につながる可能性があります。
秋のイベント内の衝撃モーメントを検出することは、タイムリーな支援を提供し、マイナスの結果を最小限に抑えるために重要です。
この作業では、徹底的な前処理技術をマルチセンサーデータセットに適用することにより、この課題に対処することを目指しています。目標は、ノイズを排除し、データの品質を向上させることです。
さらに、機能選択プロセスを採用して、マルチセンサーのアップフォールデータセットから派生した最も関連性の高い機能を特定し、機械学習モデルのパフォーマンスと効率を高めます。
次に、複数のセンサーから得られたデータ情報を使用して、衝撃モーメントを検出する際に、さまざまな機械学習モデルの効率を評価します。
広範な実験を通じて、さまざまな評価メトリックを使用してアプローチの精度を評価します。
私たちの結果は、衝撃検出における高精度率を達成し、転倒検出タスクのマルチセンサーデータを活用する力を示しています。
これは、転倒検出システムを強化し、転倒の危険にさらされている個人の全体的な安全性と幸福を改善するためのアプローチの可能性を強調しています。

要約(オリジナル)

Falls among individuals, especially the elderly population, can lead to serious injuries and complications. Detecting impact moments within a fall event is crucial for providing timely assistance and minimizing the negative consequences. In this work, we aim to address this challenge by applying thorough preprocessing techniques to the multisensor dataset, the goal is to eliminate noise and improve data quality. Furthermore, we employ a feature selection process to identify the most relevant features derived from the multisensor UP-FALL dataset, which in turn will enhance the performance and efficiency of machine learning models. We then evaluate the efficiency of various machine learning models in detecting the impact moment using the resulting data information from multiple sensors. Through extensive experimentation, we assess the accuracy of our approach using various evaluation metrics. Our results achieve high accuracy rates in impact detection, showcasing the power of leveraging multisensor data for fall detection tasks. This highlights the potential of our approach to enhance fall detection systems and improve the overall safety and well-being of individuals at risk of falls.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google