Da das Problem der Alterung der Bevölkerung zunehmend ernst wird, ist die Sicherheit der älteren Menschen allmählich zum Mittelpunkt der sozialen Aufmerksamkeit geworden. Die Fälle sind die zweitwichtigste Ursache für Unfallverletzungen in der Welt nach Verkehrsunfällen, die eine ernsthafte Bedrohung für das Leben und die Gesundheit der älteren Menschen darstellen. Nach Statistiken erfahren etwa 30 % der älteren Menschen mindestens einen Rückgang, davon 90 % zu Hüftbrüchen und 60 % zu Kopfverletzungen. Darüber hinaus sind ältere Erwachsene, die lange Zeit nach einem Sturz auf dem Boden bleiben, für Bedingungen wie Druckwasser, Hypothermie, Lungenentzündung, Dehydratisierung und potenziellen Tod höher. Daher ist die Entwicklung eines effizienten und zuverlässigen Fallerkennungsverfahrens entscheidend, um die Lebensqualität der älteren Menschen zu verbessern.
RFID-basiertes Fallerkennungsverfahren
In den letzten Jahren hat RFID-Technologie für seine kostengünstigen, kompakten, nicht-line-of-sight (NLoS) Sensorlösungen viel Aufmerksamkeit gewonnen. RFID-Technologie ist nicht nur einfach zu implementieren, sondern verfügt auch über batteriefreien Betrieb und geringe Wartungsanforderungen, wodurch es erhebliche Vorteile im Bereich der Fallerkennung gibt. In jüngster Zeit schlugen Forscher der Universität Glasgow ein RFID-Abfallerkennungssystem auf Basis einer Transformatorarchitektur vor, um ältere Menschen durch ein passives ultrahochfrequentes (UHF) Tag-Array zu überwachen. Das System erreicht die Aktivitätserkennung und Fallerkennungsgenauigkeit von über 96,5% durch das Verschmelzen von RSSI- und Phasendaten.
Das Forschersystem der Universität Glasgow erfasst zunächst rohe RSSI- und Phaseninformationen aus mehreren RFID-Tags und verarbeitet diese in spektrale Rahmen. Unter Verwendung der leistungsstarken Datenanpassungsfunktion des Transformatormodells, mit minimaler Vorverarbeitung, werden Rohdaten als Eingabe genommen und mit Datenfusionstechnik kombiniert, wird eine genaue Klassifizierung der Aktivitäten erreicht. Im Vergleich zu herkömmlichen Methoden wie dem konvolutionalen neuronalen Netz (CNN), dem rekurrenten neuronalen Netz (RN) und dem langfristigen Kurzzeitspeicher (LSTM) verbessert diese Methode die Genauigkeit der Aktivitätserkennung und -fallerkennung deutlich.
Darüber hinaus ist das System mit vorhandenen RFID-Lesern kompatibel, was es zu einer kostengünstigen und praktischen Lösung macht. Effiziente Fallerkennung ist mit nur einem UHF-Lesegerät mit einer einzigen zirkular polarisierten Antenne möglich. Diese Flexibilität macht das System in praktischen Anwendungen weit verbreitet. Im Vergleich zu bestehenden verschleißfähigen Geräten und visuellen Inspektionsverfahren hat dieses System mehrere wesentliche Vorteile:
ANHANG Datenschutz: Es besteht keine Notwendigkeit, dass Benutzer irgendwelche Geräte tragen, die die Privatsphäre der Benutzer schützt.
2. Kostengünstig: Verwendet minimale batteriefreie UHF-Tags und eine einzelne Antenne, was die Kosten erheblich reduziert.
3. Starke Zuverlässigkeit: hohe Genauigkeit in komplexen Umgebungen beizubehalten, und der Erfassungsbereich wird auf 3,5-4,5 Meter erweitert.
4. Kurze Trainingszeit: Das Encoder-Transformer-Modell reduziert die Trainingszeit deutlich und verbessert die Echtzeitleistung des Systems.
Einschränkungen traditioneller Fallerkennungsverfahren
Traditionelle Fallerkennungsmethoden können grob in zwei Arten unterteilt werden: verschleißbar und nicht verschleißbar. Wearable Methoden stützen sich auf Sensoren wie Gyroskope und Beschleunigungsmesser, die am Körper angebracht sind, um Veränderungen der Aktivität zu überwachen. Diese Geräte können jedoch unwohl zu tragen sein und können das Benutzererlebnis negativ beeinflussen. Demgegenüber umfassen nicht verschleißfähige Methoden die visuelle Fallerkennung, die Umweltfallerkennung und die Funkfrequenzerkennung (RFID)-basierte Fallerkennung.
Vergleich der Vor- und Nachteile mehrerer Fallerkennungstechnologien
Visuelle Fallerkennung verwendet Kameras, um Stürze zu identifizieren. Obwohl es ein intuitives visuelles Feedback bieten kann, erhöht es leicht Bedenken hinsichtlich der Privatsphäre des Nutzers und ist empfindlich auf Änderungen der Lichtintensität. Die Umweltfallerkennung nutzt strategisch platzierte Sensoren wie Vorhersager und Infrarotsensoren im Aktivitätsbereich des Nutzers, aber diese Systeme haben eine begrenzte Anpassungsfähigkeit an Umweltänderungen und sind kostspielig zum Einsatz. Wenn daher RFID-basierte Fallüberwachungsmethoden reifer werden, wird der Markt für die Gesundheitsüberwachung wahrscheinlich an einem Wels zu verwenden. Laut Daten des AIOT Star Map Research Institute wird der Markt für die Gesundheitsüberwachung in den nächsten fünf Jahren voraussichtlich mehr als zehnfach wachsen.
Praktische Anwendungen und Zukunftsaussichten
Das RFID-Rückfallerkennungssystem von Forschern der Universität Glasgow bietet eine datenschutzsichere, kostengünstige und zuverlässige Lösung für die Innenfallerkennung. Es kann nicht nur in Wohnumgebungen verwendet werden, sondern kann auch in Pflegeheimen, Krankenhäusern und anderen Orten weit verbreitet werden. Durch die Überwachung des Aktivitätsstatus älterer Menschen in Echtzeit und die rasche Erkennung und Verhütung von Stürzen kann das Risiko von Verletzungen und Komplikationen durch Stürze effektiv reduziert werden. Zukünftig sollen sie das Algorithmus- und Hardwaredesign des Systems weiter optimieren, um die Genauigkeit und Zuverlässigkeit des Systems zu verbessern. Gleichzeitig werden sie auch weitere Anwendungsszenarien und -modelle erforschen, wie die Kombination von Internet of Things (IoT)-Technologie, um Fernüberwachung und Frühwarnfunktionen zu erreichen. Durch diese Bemühungen erwarten wir, dass die Anwendung der RFID-Technologie im Bereich der Fallerkennung auf eine neue Höhe zum Schutz der Sicherheit älterer Menschen geschoben wird.
