A Pre-impact Fall Algorithm Based on a Lightweight Re-Parameters-Parallel Convolutional-TCN

doi:10.13164/re.2026.0084

A Pre-impact Fall Algorithm Based on a Lightweight Re-Parameters-Parallel Convolutional-TCN

2026-04-01

1

PRE

AI

DOI：10.13164/re.2026.0084

原文链接

原文求助

摘要

En 中文

随着老龄化社会加剧，老年人跌倒问题已成为社会关注的关键议题。基于物联网（IoT）技术的跌倒预测研究已受到广泛关注。为有效预测跌倒事件，提出了一种轻量级物联网（IoT）跌倒预测模型lwRPPC-TCN（轻量级重参数化并行卷积时序卷积网络）。该模型在输入阶段利用物联网传感器采集的时间数据，并通过lwRPPC模块实现时序和空间特征的高效解耦提取。后续的时序卷积网络（TCN）进一步强化了全局时序依赖建模能力，从而优化了传感器时序数据的处理能力。为验证模型的泛化能力并缓解跌倒数据稀缺问题，融合了SisFall和KFall两个公开数据集，并通过五折交叉验证评估了模型性能。此外，引入同构（模型属于同一模型家族）知识蒸馏技术以提升模型性能。实验结果表明，所提出的lwRPPC-TCN模型在融合数据集上达到98.88%的准确率，优于现有跌倒预测模型，具有250 ms的跌倒预测提前时间（预测时间与碰撞时间间隔）和60 KB的紧凑模型尺寸，使其适用于资源受限的可穿戴设备部署。

Keyword:

Deep learning

fall prediction

knowledge distillation

Re-Parameters-Parallel-Convolutional-Temporal Con-volutional Network

inertial sensor

spatio-temporal feature decoupling

A Pre-impact Fall Algorithm Based on a Lightweight Re-Parameters-Parallel Convolutional-TCN

摘要

期刊

机构

引用论文