RF-basierte Sturzerkennung mithilfe von Faltungsneuronalen Netzen

Stürze sind die häufigste Ursache für tödliche und nicht-tödliche Verletzungen bei Senioren. Bestehende Lösungen basieren auf tragbaren Sturzalarm-Sensoren, doch medizinische Studien haben gezeigt, dass diese ineffektiv sind, hauptsächlich weil Senioren sie nicht tragen. Diese Erkenntnisse haben zur Entwicklung neuer passiver Sensoren geführt, die Stürze durch die Analyse von Funkwellen (Radio Frequency, RF) in häuslichen Umgebungen erkennen. Senioren können ihre täglichen Aktivitäten unverändert fortsetzen, ohne Geräte tragen zu müssen. Obwohl passive Überwachung erhebliche Fortschritte gemacht hat, können derzeitige Ansätze die Komplexität realer Szenarien weiterhin nicht adäquat bewältigen. Sie werden typischerweise an denselben Personen und in denselben Umgebungen trainiert und getestet und lassen sich nicht auf neue Personen oder neue Umgebungen verallgemeinern. Zudem können sie Bewegungen verschiedener Personen nicht voneinander trennen und verpassen leicht einen Sturz, wenn andere Bewegungen gleichzeitig auftreten.Um diese Einschränkungen zu überwinden, stellen wir Aryokee vor – ein auf Funkwellen basierendes Sturzerkennungssystem, das konvolutionale Neuronale Netze untersteht, die von einem Zustandsautomaten gesteuert werden. Aryokee funktioniert auch mit Personen und Umgebungen, die im Trainingsdatensatz nicht vorkamen. Zudem trennt es verschiedene Bewegungsquellen voneinander, um die Robustheit zu erhöhen. Testergebnisse mit über 140 Personen, die 40 verschiedene Aktivitäten in 57 unterschiedlichen Umgebungen ausführten, zeigen eine Erinnerung (Recall) von 94 % und eine Genauigkeit (Precision) von 92 % bei der Sturzerkennung.