Deep Learning Classifier for Fall Detection based on IR Distance Sensor Data
PBN-AR
Instytucja
Wydział Elektroniki i Technik Informacyjnych (Politechnika Warszawska)
Książka
Tytuł książki
Proceedings of the 8th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications
Data publikacji
2015
ISBN
978-1-4673-8361-5
Wydawca
IEEE
Publikacja
Główny język publikacji
en
Tytuł rozdziału
Deep Learning Classifier for Fall Detection based on IR Distance Sensor Data
Rok publikacji
2015
Strony (od-do)
723-727
Numer rozdziału
Identyfikator DOI
Liczba arkuszy
0.5
Hasło encyklopedyczne
Autorzy
Pozostali autorzy
+ 1
Słowa kluczowe
en
assisted living feature selection geriatrics infrared detectors learning (artificial intelligence) multilayer perceptrons object detection signal classification spatial variables measurement statistical analysis
Konferencja
Indeksowana w Scopus
nie
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
IDAACS’2015
Nazwa konferencji
8th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems
Początek konferencji
2015-09-24
Koniec konferencji
2015-09-26
Lokalizacja konferencji
Warsaw
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
en
Treść
The goal of research is the fall detection in elderly residents based on infra red depth sensor measurements. Our attention is focused on statistical properties as generalization. The effectiveness of discriminative statistical classifiers (multilayer perceptron) is improved by addition of feature selection block by Gram-Schmidt orthogonalization, which determines the ranking of the features, and NPCA block, which transforms the raw data into a nonlinear manifold and reduces the dimensionality of the data. Performance of our system measured in terms of sensitivity is 92% and precision is 93%, which means it can be used for real life applications.
Inne
System-identifier
WUT2f33f907e9734f1095d86624374d78a6
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych