Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  falls detection
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Zaprezentowane w niniejszym artykule badania stanowią kontynuację dotychczasowych prac mających na celu opracowanie mobilnego detektora upadków. Przedstawiony algorytm opiera się na dyskretnej transformacji falkowej sygnałów z dostępnych w detektorze sensorów oraz pojedynczym klasyfikatorze w postaci sieci wektorów nośnych - SVM (ang. Support Vector Machine). Do procesu redukcji cech zastosowano miarę istotności Fishera. W wyniku zmniejszenia liczby cech zmniejszeniu uległa również liczba wektorów nośnych sieci SVM, mająca bezpośredni wpływ na górne oszacowanie błędu klasyfikacji. Na podstawie otrzymanych wyników wyznaczono parametry klasyfikatora pozwalające na zaprezentowanie opracowanej koncepcji w polu krzywych ROC (ang. Receiver Operating Characteristics) oraz porównanie ich z wynikami otrzymanymi dla pojedynczych sensorów detektora. Opracowana koncepcja daje zdecydowanie lepsze rezultaty niż każdy z sensorów działający niezależnie. Rezultaty przeprowadzonych badań dały bardzo dobre wyniki w porównaniu z dotychczasowymi wynikami, przy znacznej redukcji liczby wymaganych deskryptorów. Z uwagi na ścisłą zależność pomiędzy liczbą danych uczących oraz liczbą wektorów nośnych, które bezpośrednio wpływają na górne oszacowanie błędu klasyfikacji, dokonano redukcji deskryptorów. W rezultacie uzyskano zadowalające efekty przy redukcji liczby deskryptorów z 38 do zaledwie 6, zapewniając, że górne oszacowanie błędu klasyfikacji, w zbiorze nowych danych testowych nie przekracza 5,3%.
EN
The studies presented in this article are the continuation of previous work to develop a mobile fall detector. The algorithm is based on a discrete wavelet transform of the signals from the sensors available at the detector and a linear support vector machine as a classifier. Fisher score method is used for feature selection in the proposed algorithm. As a result of reducing the number of features, the number of support vectors has been also reduced - it has a direct impact on the upper estimate of the classification error. On the basis of the obtained results, the classifier parameters have been calculated. This allows presenting the developed concept in the field of ROC curves (Receiver Operating Characteristics) and their comparison with the results obtained for individual sensors. The developed concept gives much better results than each of the sensors acting independently. The findings of this study have given very good results in comparison with the previous findings, with a significant reduction in the number of required features. Due to the close relationship between the number of training data and the number of support vectors which directly affect the upper estimate of the classification error, the number of features has been reduced. Finally, satisfactory results have been obtained with the reduction of the number of features from 38 to just six, ensuring that the upper estimation of the classification error in the set of the new test data does not exceed 5.3%.
PL
Artykuł prezentuje algorytm do detekcji niekontrolowanych upadków człowieka. Wiele dostępnych rozwiązań bazuje na pojedynczych sensorach, a uzyskiwane rezultaty są zazwyczaj wynikiem implementacji algorytmów bazujących na progach, po przekroczeniu których uruchamiana jest procedura alarmowa. W odróżnieniu do takiego podejścia w artykule zaprezentowano i przebadano algorytm detekcji upadków bazujący na dekompozycji falkowej oraz liniowej sieci wektorów nośnych. Uzyskane wyniki dały w rezultacie poprawną klasyfikację wszystkich badanych zdarzeń upadków, z niewielką liczbą zgłaszanych fałszywych alarmów. Zaprezentowane badania są kontynuacja prac mających na celu opracowanie mobilnego detektora upadków.
EN
This article presents an algorithm for the detection of uncontrolled falls. Many of the available solutions are based on data from individual sensors. The results obtained through them are usually based on thresholds algorithms beyond which the alarm is triggered. In contrast to this approach, in this article falls detection algorithm based on wavelet decomposition and linear support vector machine has been presented and tested. The results have given the correct classification of all fall events, with a small number of false positives. The presented study is the continuation of the work to develop a mobile fall detector.
PL
Upadki są bardzo istotnym problemem zdrowia publicznego. Ponieważ średnia wieku społeczeństwa wzrasta problem ten coraz częściej dotyka ludzi starszych, których układ kostny jest osłabiony, a szybkość reakcji nie pozwala na uniknięcie przypadkowych kontuzji. Upadki mogą prowadzić do bardzo skomplikowanych powikłań, a nawet śmierci człowieka. Niewątpliwie bardzo dużym wyzwaniem staje się opracowanie systemu pozwalającego na szybką detekcję upadku, przyczyniając się do skrócenia czasu oczekiwania na pierwszą pomoc medyczną i w efekcie krótszą hospitalizację oraz zmniejszenie ryzyka powikłań pourazowych. W artykule zaprezentowano bezprzewodowy system do detekcji niekontrolowanych upadków człowieka. Jego zasadniczym elementem jest bezprzewodowy detektor, który posiada cztery wbudowane sensory: żyroskop, akcelerometr, magnetometr oraz sensor ciśnienia. Zastosowanie fuzji i integracji danych sensorycznych zwiększa skuteczność działania systemu. Bezprzewodową komunikację zapewnia wbudowany w urządzenie moduł WIFI, pozwalający na komunikację m.in. z komputerem lub telefonem komórkowym. Uruchomienie procedury alarmowania następuje wskutek wypracowania decyzji przez moduł decyzyjno-wnioskujący, który bazuje na danych kolekcjonowanych z wbudowanych sensorów. System zaopatrzono w mechanizm minimalizujący możliwość zgłaszania fałszywych alarmów.
EN
Nowadays, falls are a very important problem of public health care system. The problem more often affects elderly people due to the fact that the average age of population is increasing. The aged people tend to have more fragile bones, thus accidental falls can lead to serious injuries or even death. The care for elderly people can be improved by using monitoring system, which reduces the potential risks of serious complications of injuries. This paper presents wireless system to detect uncontrolled falls, which can be widely used in emergency situation. Through immediate detection of uncontrolled falls, the hospitalization time can be shortened. Designed device consists of four sensors: gyroscope, accelerometer, magnetometer and pressure sensor. Data fusion and integration increases effectiveness of designed system. The use of WIFI module allows wireless transmission, i.e. with a computer or mobile phone. To decrease the number of potentially false alarms, all detected events can be interrupted by the user. In this study we describe experiments conducted using designed sensor.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.