作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前的跌倒检测方法存在佩戴不舒服、隐私性差、检测不准确等问题。笔者提出一种将空洞卷积嵌入残差网络的Dresnet网络模型,从而实现基于WiFi设备的跌倒检测方法。该方法使用视频图像作为神经网络模型对WiFi信号进行训练的监督单元,再使用训练好的网络模型对WiFi信号进行预测,从而确定人体是否处于跌倒状态。实验表明,该方法的准确率可达到92.9%。
推荐文章
基于WiFi的RFID可扩展AMR车位检测系统
WiFi
RFID
实时检测
检测准确性
车位检测器
基于WiFi探针的路段空间平均速度检测系统设计
WiFi探针
空间平均速度
LSTM
交通信息检测系统
K-Means++聚类算法
网络模型
基于WiFi远程检测与传输PM2.5数值检测仪设计
WiFi
手机APP
PM2.5
检测仪器
MCU
蓝牙
跌倒检测系统的研究进展
跌倒检测
视频图像
穿戴式
环境式
评价标准
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于WiFi的跌倒检测
来源期刊 数字化用户 学科
关键词 跌倒检测 空洞卷积层 残差网络
年,卷(期) 2021,(39) 所属期刊栏目 设计与研究
研究方向 页码范围 150-152
页数 3页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
跌倒检测
空洞卷积层
残差网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数字化用户
周刊
1009-0843
51-1567/TN
16开
四川省成都市
1999
chi
出版文献量(篇)
46696
总下载数(次)
249
总被引数(次)
7926
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导