基于注意力机制的TCN-BiLSTM神经网络可穿戴跌倒预警研究

摘要

为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊，防止跌倒对老年人身心造成严重伤害，提出一种融合时域卷积网络、双向长短期记忆网络和注意力机制的轻量级跌倒预警算法。首先根据跌倒撞击时刻和前置时间截取数据窗口作为输入；其次设计时域卷积网络和双向长短期记忆网络(temporal convolutional network-bidirectional long short term memory, TCN-BiLSTM)混合模型自动提取时间特征和局部空间特征；最后借助注意力机制对重要特征信息动态分配较高权重以获得最佳跌倒预警效果。实验表明，所提算法在SisFall和KFall两个公开跌倒数据集上分别获得了97.11%和98.13%的准确率，针对其他5种算法和先进跌倒预警方法评估其性能，所提模型跌倒前置反应时间达215 ms足以触发跌倒防护气囊，模型大小在216 kB左右足够轻量化，适用于资源受限的嵌入式设备，为老年人跌倒预测和穿戴式跌倒保护装置的开发提供了参考。

关键词

跌倒预测 / 时域卷积网络 / 双向长短期记忆网络 / 注意力机制 / 前置时间 / 保护气囊

基金资助

浙江省基础公益研究计划项目(LGF21F020017)