Resumen

Las caídas, cada vez más frecuentes, constituyen un importante problema de salud pública en una sociedad que envejece. Existe una demanda considerable para distinguir las caídas de las personas mayores con características de detección precisa y alarma en tiempo real. Sin embargo, algunas actividades cotidianas se señalan erróneamente como caídas y hay demasiadas falsas alarmas en la aplicación real. Para resolver este problema, este artículo diseña e implementa un marco integral de detección de caídas basado en sensores inerciales de postura y cámaras de vigilancia. En el marco del sistema propuesto, las fuentes de datos que representan las características del comportamiento para indicar una posible caída se derivan de los acelerómetros triaxiales portátiles y de los vídeos de monitorización de las cámaras de vigilancia. Además, se adopta el modo de comunicación basado en NB-IoT para transmitir datos sensoriales vestibles a Internet para su posterior análisis. Además, se propone un algoritmo de detección de caídas basado en un clasificador Gradient Boosting Decision Tree (GBDT) (GBDT-FD abreviado) con fusión integral de datos del sensor de postura y el esqueleto de vídeo humano para mejorar la precisión de la detección. Los resultados experimentales verifican el buen rendimiento del algoritmo GBDT-FD propuesto en comparación con seis tipos de algoritmos de detección de caídas existentes, incluyendo la detección de caídas basada en SVM, la detección de caídas basada en NN, etc. Finalmente, implementamos los sistemas integrados propuestos incluyendo sensores de postura vestibles y software de monitorización en el Servidor Cloud.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:GBDT, detección de caídas, cámaras de vigilancia, marco integral de detección de caídas, importante problema de salud pública, fusión integral de datos, algoritmo de detección de caídas, algoritmos de detección de caídas, esqueleto humano de vídeo, sensores inerciales de postura.
• Keywords:GBDT, fall detection, surveillance cameras, comprehensive fall detection framework, major public health problem, comprehensive data fusion, fall detection algorithm, fall detection algorithms, human video skeleton, inertial posture sensors