P2MFDS: A Privacy-Preserving Multimodal Fall Detection System for Elderly People in Bathroom Environments
Di cosa parla
Propone un sistema per rilevare cadute in bagno rispettando la privacy, evitando video e dispositivi indossati. Gli autori combinano un radar che percepisce i movimenti senza immagini con sensori che captano le vibrazioni del pavimento e raccolgono un dataset in bagni reali. Il modello unisce l'analisi dei movimenti grossolani e degli impatti fini, mostrando miglioramenti rispetto a metodi precedenti.
Cosa permette di osservare
Consente di esplorare se la fusione di più sensori non visivi può rendere il monitoraggio delle cadute in ambienti privati più affidabile senza telecamere o indossabili, e come raccogliere dati realistici in bagno per addestrare questi sistemi.
Dalla fonte
By 2050, people aged 65 and over are projected to make up 16% of the global population. As aging is closely associated with increased fall risk, particularly in wet and confined environments such as bathrooms where over 80% of falls occur. Although recent research has increasingly focused on non-intrusive, privacy-preserving approaches that do not rely on wearable devices or video-based monitoring, these efforts have not fully overcome the limitations of existing unimodal systems (e.g., WiFi-, infrared-, or mmWave-based), which are prone to reduced accuracy in complex environments. These limitations stem from fundamental constraints in unimodal sensing, including system bias and environmental interference, such as multipath fading in WiFi-based systems and drastic temperature changes in infrared-based methods. To address these challenges, we propose a Privacy-Preserving Multimodal Fall…