A multiple-stage classification of fall motions using kinect camera
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Patsadu O., Watanapa B., Nukoolkit C.
ผู้เผยแพร่: Springer
ปีที่เผยแพร่ (ค.ศ.): 2018
Volume number: 566
หน้าแรก: 118
หน้าสุดท้าย: 129
จำนวนหน้า: 12
ISBN: 9783319606620
นอก: 2194-5357
eISSN: 2194-5357
ภาษา: English-Great Britain (EN-GB)
บทคัดย่อ
This paper proposes a model of fall detection using hybrid classification methods in video streaming. In particular, we are interested in a stream of data representing time sequential frames of fifteen body joint positions capturable by Kinect camera. A set of features is then extracted and fed into the designated multiple-stage classification. The first stage classifies a fall as a different event from normal activities of daily living (ADLs). The second stage is to classify types of fall once the fall was detected in the first stage, for aiding the diagnosis and treatment of a fall by a physician. We selected a number of reliable machine learning algorithms (MLP, SVM, and decision tree) in forming a hybrid model. Experimental results show that the first stage classifier can differentiate falls and ADLs with 99.98% accuracy and the second stage classifier can identify type of fall with 99.35% accuracy. ฉ Springer International Publishing AG 2018.
คำสำคัญ
Hybrid classification methods, Multiple-stage classifier, Smart home system
ติดต่อสอบถามเพิ่มเติมได้ที่