摘要
本发明提出一种基于视频语义的跌倒检测方法及系统,提取待测个体的行为视频片段对应的视觉输入向量,使用Transformer深度神经网络进行多通道的结构语义信息提取,得到待测个体的多通道的结构语义信息,进而使用基于高效通道注意力机制的时态聚合方法处理多通道的结构语义信息,之后借助支持向量机进行跌倒预测,有效解决了左右脚监测数据之间缺乏联系的问题和传统方法各测量数据缺乏统一性的问题,进而提供更为精确的跌倒风险预测。
技术关键词
语义向量
跌倒检测方法
多通道
通道注意力机制
权重特征
支持向量机
交互特征
检测模型训练
视频
前馈神经网络
全局平均池化
特征提取单元
编码器模块
高斯核函数
视觉
跌倒检测系统
语义信息提取
网格
系统为您推荐了相关专利信息
传感芯片
微流控结构
多通道
电极阵列结构
阻抗谱法
积分特征
人体压力分布
监测方法
远红外热疗
执行机构
视频帧
预测运动轨迹
卡尔曼滤波
管控方法
轨迹预测模型
文本
语义向量
评价方法
轻量级卷积神经网络
视频帧