安卓平台上基于卷积神经网络的跌倒检测研究 *

刘攸实，戴安琪，徐 慧，刘毅飞

(湖北科技学院 生物医学工程学院，湖北 咸宁 437100)

在65岁以上的老年人中，跌倒是老年人因伤致死的主要因素[1]，因此如何准确检测老年人是否跌倒成为近些年的研究热点。现有的跌倒检测方式主要有两类：一是基于计算机视觉的跌倒检测,这种方法用多个摄像头对目标进行监测并判断是否跌倒，但存在侵犯个人隐私且检测对象容易被遮挡[2]。另外一种则是由运动传感器进行数据采集，再根据特定的算法判断是否跌倒，这种方法检测精度较高，在日常生活中使用方便[3]。因为智能手机一般都有运动传感器，且具有发送信息和定位功能，许多研究者也直接用智能手机进行跌倒检测，如Sposar等人[4]提出根据Android手机的内置三轴加速度计采集的数据用阈值法来检测跌倒。另外基于深度学习的卷积神经网络在模式分类和识别领域表现出优异的性能, He[5]、Liu[6]等人在服务器上运行卷积神经网络作为跌倒检测服务端，检测精度接近100%。

但目前很少有基于安卓手机平台的卷积神经网络跌倒检测系统的研究。本文将PC机上的跌倒检测卷积神经网络移植到安卓手机平台，可以直接使用手机的运动传感器和数据通信功能还可以提高跌倒检测的精度,另外现代手机通常包含图形处理器(GPU)，在GPU上运行深度学习模型进行跌倒检测具有速度快，功耗低优点[7]，本文同时研究在GPU上运行卷积神经网络进行跌倒检测的性能。

一、方法

1.数……