.png){kind=icon}
返回
SmartFallMM: A Multimodal Dataset for Fall Detection Using Commodity Devices
.png){kind=icon}
PRE
AI
DOI：10.1109/jsen.2026.3720563.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于可穿戴传感器的跌倒检测系统仅依赖惯性测量单元（IMU）数据时，容易出现高误报率，尤其对于轻微“软跌倒”。虽然融合多模态数据可显著提升检测精度，但现有多模态数据集通常依赖专业级实验室IMU传感器，且常缺乏人口统计学多样性，限制了其在消费级可穿戴设备和跨年龄组普适性方面的实际部署。为弥合这一差距，我们提出SmartFallMM，一个融合消费级与专业硬件（智能手表、智能手机、Kinect运动摄像机和Meta传感器）采集的多模态数据集。该数据集捕捉了51名跨越两个不同年龄段（20–30岁和60–93岁）参与者的同步骨骼运动（32个关节位置）、加速度计和陀螺仪读数，涵盖跌倒及日常活动（ADLs）在内的14种活动。鉴于多模态模型对边缘设备计算资源要求过高，我们提出模态感知知识蒸馏（MAKD），一种跨模态方法，将多模态知识蒸馏到仅依赖IMU的模型中。MAKD在SmartFallMM数据集上将F1分数最高提升了7.85%，在UP-Fall数据集上提升了8.65%，相较于仅IMU的基线模型，展示了SmartFallMM的实用价值及跨模态知识迁移的有效性。
Keyword:
Cross-modal knowledge distillation (KD)
fall detection
multimodal dataset
wearable sensing systems
期刊
IF:
4.5
论文数:
2.2W
被引数:
7.3W
机构
引用论文
A Large-Scale Open Motion Dataset (KFall) and Benchmark Algorithms for Detecting Pre-impact Fall of the Elderly Using Wearable Inertial Sensors使用可穿戴惯性传感器检测老年人撞击前跌倒的大规模开放运动数据集 (KFall) 和基准算法
OAAI
.png){kind=icon}
OAAI分享收藏Advances in deep learning for personalized ECG diagnostics: A systematic review addressing inter-patient variability and generalization constraints个性化ECG诊断的深度学习进展: 解决患者间变异性和泛化约束的系统评价
PREAI
分享收藏
ViTKD: Feature-based Knowledge Distillation for Vision TransformersZ. Yang, Z. Li, A. Zeng, Z. Li, C. Yuan, Y. Li, ViTKD: 基于特征的知识蒸馏方法用于视觉变换器，载：IEEE/CVF 计算机视觉与模式识别会议论文集，2024年，第1379–1388页。
PREAI
分享收藏分享收藏分享收藏
查看更多内容