8、基于三流卷积神经网络的人体跌倒检测方法研究

基于三流卷积神经网络的人体跌倒检测方法研究

1. 评估指标

在跌倒检测问题中，将其视为一个二分类问题，即分类器需要判断视频帧是否对应着跌倒事件。为了评估模型的性能，选择了以下几个指标：
- 精确率（Precision） ：$Precision = \frac{TP}{TP + FP}$
- 灵敏度（Sensitivity） ：$Sensitivity = \frac{TP}{TP + FN}$
- 准确率（Accuracy） ：$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$
- 平衡准确率（Balanced Accuracy） ：$Balanced Accuracy = \frac{1}{\sum \hat{w_i}} \sum_i (\hat{y_i} = y_i) \hat{w_i}$，其中$\hat{w_i} = \frac{w_i}{\sum_j 1(y_j = y_i)w_j}$

这些指标的选择是为了便于与文献中的结果进行比较。由于两个数据集是不平衡的，负类样本数量是正类（跌倒）样本的两倍多，因此选择平衡准确率来平衡样本，并考虑到了假阴性的情况。在跌倒检测中，假阴性尤为重要，因为忽略跌倒事件可能会导致严重的健康问题。

2. 计算资源

该方法使用Python编程语言实现，选择Python是因为它有丰富的用于图像分析和深度学习应用的库。具体使用的库包括SciKit、NumPy、OpenCV、Keras以及Tensor