基于卷积神经网络和手机传感器数据的跌倒检测方法

    公开(公告)号:CN107153871B

    公开(公告)日:2021-07-13

    申请号:CN201710322157.X

    申请日:2017-05-09

    Inventor: 吕艳 张萌 倪益华

    Abstract: 本发明公开了一种基于卷积神经网络和手机传感器数据的跌倒检测方法,采用手机传感器数据训练卷积神经网络模型,包括以下操作:通过人体携带的智能手机采集加速度和角速度数据,整理后输入到卷积神经网络模型中,设计的卷积神经网络模型包含特征抽象和识别分类等多个任务层,经过随机梯度下降优化逐步调整模型参数,在实时检测阶段,将整理后的手机传感器数据输入到卷积神经网络模型中,通过模型输出预测人体是否发生跌倒。相较于传统的阈值检测和一般机器学习检测,提高了精度,该方法尤其适用于对老年人及幼小儿童等的日常安全监测。

    基于卷积神经网络和手机传感器数据的跌倒检测方法

    公开(公告)号:CN107153871A

    公开(公告)日:2017-09-12

    申请号:CN201710322157.X

    申请日:2017-05-09

    Inventor: 吕艳 张萌 倪益华

    CPC classification number: G06N3/0454 G06K9/6256 G06K9/6267 G06N3/084

    Abstract: 本发明公开了一种基于卷积神经网络和手机传感器数据的跌倒检测方法,采用手机传感器数据训练卷积神经网络模型,包括以下操作:通过人体携带的智能手机采集加速度和角速度数据,整理后输入到卷积神经网络模型中,设计的卷积神经网络模型包含特征抽象和识别分类等多个任务层,经过随机梯度下降优化逐步调整模型参数,在实时检测阶段,将整理后的手机传感器数据输入到卷积神经网络模型中,通过模型输出预测人体是否发生跌倒。相较于传统的阈值检测和一般机器学习检测,提高了精度,该方法尤其适用于对老年人及幼小儿童等的日常安全监测。

    拆装式卡槽结构组合的迷你花盆

    公开(公告)号:CN205232931U

    公开(公告)日:2016-05-18

    申请号:CN201521055743.5

    申请日:2015-12-17

    Abstract: 一种拆装式卡槽结构组合的迷你花盆,包括侧板(2)和底板(4)两部分,侧板共四块为方形平板,每块侧板两纵向平行侧边内的平面上各开有一条卡槽(1),两条卡槽互相平行,两相对应的两侧板上的卡槽位置,或均开在侧板的上半部,或均开在侧板的下半部;相邻两侧板的卡槽位置相反,一块开在上半部,另一块开在下半部或反之;卡插合围成四方体的各侧板的下部开有1-2个通向底板侧边的螺孔(3),底板一块,底板的边长与对应侧板的宽度相等。本花盆运输和贮存时可拆成单片板,纵向或横向层层叠放,占用空间小,贮存和运输量大,不易破碎。侧板可流水式生产统一形状、结构和尺寸的单元板,再组装成花盆,生产工效高、成本低。

Patent Agency Ranking