Challenges and Trends in Multimodal Fall Detection for Healthcare / Ponce, Hiram ; Martínez-Villaseñor, Lourdes ; Brieva, Jorge ; Moya-Albor, Ernesto  

Público ISBD Ningún comentario para este título. Título : Challenges and Trends in Multimodal Fall Detection for Healthcare Tipo de documento: documento electrónico Autores: Ponce, Hiram, ; Martínez-Villaseñor, Lourdes, ; Brieva, Jorge, ; Moya-Albor, Ernesto, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XIII, 259 p. ISBN/ISSN/DL: 978-3-030-38748-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería Biomédica  Inteligencia Computacional  Biomecánica  Ingeniería Biomédica y Bioingeniería Clasificación: 610.28 Resumen: Este libro se centra en implementaciones novedosas de tecnologías de sensores, inteligencia artificial, aprendizaje automático, visión por computadora y estadísticas para sistemas automatizados de reconocimiento de caídas humanas y temas relacionados que utilizan la fusión de datos. Incluye teoría e implementaciones de codificación para ayudar a los lectores a comprender rápidamente los conceptos y resaltar la aplicabilidad de esta tecnología. Por comodidad, se divide en dos partes. La primera parte revisa el estado del arte en sistemas de reconocimiento de actividad y caídas humanas, mientras que la segunda parte describe un conjunto de datos públicos especialmente seleccionado para la detección de caídas multimodal. También recopila contribuciones que demuestran el uso de este conjunto de datos y muestran ejemplos. Este libro es útil para cualquier persona interesada en los sistemas de detección de caídas, así como para aquellos interesados ​​en resolver problemas desafiantes de reconocimiento de señales, visión y aprendizaje automático. Las aplicaciones potenciales incluyen atención médica, robótica, deportes, interacción hombre-máquina, entre otras. Nota de contenido: Challenges and Solutions on Human Fall Detection and Classification -- Open Source Implementation for Fall Classification and Fall Detection Systems -- Detecting Human Activities based on a Multimodal Sensor Data Set using a Bidirectional Long Short-Term Memory Model: A Case Study -- Approaching Fall Classification using the UP-Fall Detection Dataset: Analysis and Results from an International Competition -- Reviews and Trends on Multimodal Healthcare -- A Novel Approach for Human Fall Detection and Fall Risk Assessment. Tipo de medio : Computadora Summary : This book focuses on novel implementations of sensor technologies, artificial intelligence, machine learning, computer vision and statistics for automated, human fall recognition systems and related topics using data fusion. It includes theory and coding implementations to help readers quickly grasp the concepts and to highlight the applicability of this technology. For convenience, it is divided into two parts. The first part reviews the state of the art in human fall and activity recognition systems, while the second part describes a public dataset especially curated for multimodal fall detection. It also gathers contributions demonstrating the use of this dataset and showing examples. This book is useful for anyone who is interested in fall detection systems, as well as for those interested in solving challenging, signal recognition, vision and machine learning problems. Potential applications include health care, robotics, sports, human–machine interaction, among others. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Challenges and Trends in Multimodal Fall Detection for Healthcare [documento electrónico] / Ponce, Hiram, ; Martínez-Villaseñor, Lourdes, ; Brieva, Jorge, ; Moya-Albor, Ernesto,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XIII, 259 p. ISBN : 978-3-030-38748-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería Biomédica  Inteligencia Computacional  Biomecánica  Ingeniería Biomédica y Bioingeniería Clasificación: 610.28 Resumen: Este libro se centra en implementaciones novedosas de tecnologías de sensores, inteligencia artificial, aprendizaje automático, visión por computadora y estadísticas para sistemas automatizados de reconocimiento de caídas humanas y temas relacionados que utilizan la fusión de datos. Incluye teoría e implementaciones de codificación para ayudar a los lectores a comprender rápidamente los conceptos y resaltar la aplicabilidad de esta tecnología. Por comodidad, se divide en dos partes. La primera parte revisa el estado del arte en sistemas de reconocimiento de actividad y caídas humanas, mientras que la segunda parte describe un conjunto de datos públicos especialmente seleccionado para la detección de caídas multimodal. También recopila contribuciones que demuestran el uso de este conjunto de datos y muestran ejemplos. Este libro es útil para cualquier persona interesada en los sistemas de detección de caídas, así como para aquellos interesados ​​en resolver problemas desafiantes de reconocimiento de señales, visión y aprendizaje automático. Las aplicaciones potenciales incluyen atención médica, robótica, deportes, interacción hombre-máquina, entre otras. Nota de contenido: Challenges and Solutions on Human Fall Detection and Classification -- Open Source Implementation for Fall Classification and Fall Detection Systems -- Detecting Human Activities based on a Multimodal Sensor Data Set using a Bidirectional Long Short-Term Memory Model: A Case Study -- Approaching Fall Classification using the UP-Fall Detection Dataset: Analysis and Results from an International Competition -- Reviews and Trends on Multimodal Healthcare -- A Novel Approach for Human Fall Detection and Fall Risk Assessment. Tipo de medio : Computadora Summary : This book focuses on novel implementations of sensor technologies, artificial intelligence, machine learning, computer vision and statistics for automated, human fall recognition systems and related topics using data fusion. It includes theory and coding implementations to help readers quickly grasp the concepts and to highlight the applicability of this technology. For convenience, it is divided into two parts. The first part reviews the state of the art in human fall and activity recognition systems, while the second part describes a public dataset especially curated for multimodal fall detection. It also gathers contributions demonstrating the use of this dataset and showing examples. This book is useful for anyone who is interested in fall detection systems, as well as for those interested in solving challenging, signal recognition, vision and machine learning problems. Potential applications include health care, robotics, sports, human–machine interaction, among others. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200