基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型，存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题，提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法，设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积，将标准卷积分解成深度方向卷积和点方向卷积，在只失去0.2%跌倒检测精度下，卷积层参数量减少75.32%，使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中，平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量，又保证了跌倒检测精度，该系统的成功研发为老年人跌倒检测与报警提供了新的途径。