A Skeleton-Based Deep Learning Framework for Gait Analysis and Fall Detection Using MediaPipe Pose

Pu-Sheng Tsai

doi:10.70003/160792642026052703006

A Skeleton-Based Deep Learning Framework for Gait Analysis and Fall Detection Using MediaPipe Pose

2026-05-01

0

PRE

AI

DOI：10.70003/160792642026052703006

原文链接

原文求助

摘要

En 中文

本研究提出了一种基于骨架的人体活动识别框架，该框架整合了MediaPipe姿态特征提取与深度学习技术，应用于智能医疗保健领域，包括步态分析和跌倒检测。从视频流中提取33个关键点的骨骼时间序列数据，并将其转换为基于角度的时序特征以表征人体运动模式。实验结果表明，所提出的方法有效捕捉了步态特征，并在二分类和多分类跌倒检测任务中均实现了稳定的性能。此外，基于树莓派（Raspberry Pi）和ESP32开发了一种物联网（IoT）架构，以实现实时跌倒检测和远程监控。所提出的系统展现出高计算效率和强大的集成能力，使其适用于智能家居护理和实时安全监控应用。

Keyword:

Skeleton-based human activity recognition

Convolutional Neural Network (CNN)

Fall detection

A Skeleton-Based Deep Learning Framework for Gait Analysis and Fall Detection Using MediaPipe Pose

摘要

期刊

机构

引用论文