Key points are not available for this paper at this time.
Die älteren Menschen stellen eine bedeutende und schnell wachsende demografische Gruppe dar, von denen die Mehrheit häufig tägliche Unfälle, insbesondere Stürze, erlebt. Stürze sind weltweit die zweithäufigste Ursache für unfallbedingte Todesfälle. Um dieses Problem anzugehen, schlagen wir ein Video-Klassifizierungssystem zur Sturzerkennung vor. Unser Sturzerkennungsrahmen umfasst zwei zentrale Schritte: zunächst die Erkennung der menschlichen Körperhaltung innerhalb von Videoaufnahmen, gefolgt von der Sturzklassifizierung mittels Convolutional Neural Networks (CNNs). Darüber hinaus präsentieren wir einen neuartigen Ansatz zur Grenzerkennung, der Objekterkennungstechniken über eine vordefinierte Überwachungsgrenze hinaus nutzt, die von einer einzelnen Kamera erfasst wird. Durch diese integrierte Methodik streben wir an, die Fähigkeiten zur Sturzerkennung und zur Erkennung von Grenzverletzungen zu verbessern, um zur Weiterentwicklung der Altenpflege und -sicherheit beizutragen. (Zusammenfassung).
Mathew et al. (Di,) untersuchten diese Frage.