낙상은 노인들 사이에서 부상과 사망의 주요 원인으로, 비디오 기반의 컴퓨터 비전(CV) 낙상 탐지 시스템에 대한 관심이 높아지고 있습니다. 본 연구는 2025년까지 발표된 433개의 주요 연구에서 증거를 종합하여 시각 기반 낙상 탐지에 대한 체계적인 맵핑을 제공합니다. 이는 명시적인 적격 기준과 독립적인 이중 스크리닝을 사용하여 PRISMA(체계적 검토 및 메타 분석을 위한 우선 보고 항목)에서 영감을 받은 워크플로우 내에서 이루어졌습니다. 우리는 다음을 통해 이 분야를 특성화합니다: (i) 접근 방식을 특징 엔지니어링, 딥 러닝 및 하이브리드 모델로 그룹화하는 구조화된 3단계 분류체계; (ii) 일반적으로 사용되는 알고리즘 구성 요소와 데이터 세트 및 메트릭에서 보고된 성능에 대한 정량적 분석; (iii) 효율성 및 배포 증거(예: 초당 프레임(FPS), 지연 시간 및 하드웨어/플랫폼 보고)에 대한 전념 평가. 우리의 결과는 특히 컨볼루션 신경망(CNN) 기반의 백본을 갖춘 딥 러닝 파이프라인의 우세를 나타내며, 하이브리드 설계의 지속적인 유 prevalence도 강조됩니다. 반면, 최근 몇 년간 변환기/어텐션 아키텍처의 채택이 가속화되었습니다. 실시간 주장이 자주 제기됨에도 불구하고, 효율성 메트릭 및 하드웨어 사양은 일관되지 않게 보고되어 재현성 및 임상적 번역 가능성을 제한합니다. 전반적으로 이 맵핑은 경향, 벤치마크 및 보고 관행을 통합하고, 재현성과 임상 번역을 방해하는 연구 격차를 식별합니다.
Gomes et al. (Thu,)는 이 질문을 연구했습니다.