基于设备端在线元学习的可穿戴跌倒检测自适应系统_智慧医疗_2026年课程设计.docxVIP

  • 0
  • 0
  • 约1.97万字
  • 约 26页
  • 2026-11-22 发布于北京
  • 举报

基于设备端在线元学习的可穿戴跌倒检测自适应系统_智慧医疗_2026年课程设计.docx

PAGE1

摘要

老龄化进程加快,独居老人跌倒后长时间无人发现的风险持续上升。可穿戴手表内置三轴加速度计与三轴陀螺仪,能以50Hz采样率连续记录腕部运动,为跌倒检测提供了低侵入的数据来源。实际部署中,老人步态、佩戴松紧、惯用手和日常动作差异明显,云端统一训练的深度模型跨用户泛化能力不足,跨用户F1常降至0.84左右,难以满足告警可靠性要求。

本文研究设备端在线元学习的可穿戴跌倒检测自适应系统,目标是在手表有限算力与少量个性化标注条件下,把跨用户跌倒检测F1提升到0.90以上,同时控制模型参数量、推理延迟和微调时间。问题被建模为基于惯性测量单元序列的二分类任务:输入为2s滑动窗口内的六

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档