https://www.mdu.se/

mdu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Falling Angel - a Wrist Worn Fall Detection System Using K-NN Algorithm
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.ORCID-id: 0000-0002-1547-4386
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.
Visa övriga samt affilieringar
2016 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

A wrist worn fall detection system has been developed where the accelerometer data from an angel sensor is analyzed by a two-layered algorithm in an android phone. Here, the first layer uses a threshold to find potential falls and if the thresholds are met, then in the second layer a machine learning i.e., k-Nearest Neighbor (k-NN) algorithm analyses the data to differentiate it from Activities of Daily Living (ADL) in order to filter out false positives. The final result of this project using the k-NN algorithm provides a classification sensitivity of 96.4%. Here, the acquired sensitivity is 88.1% for the fall detection and the specificity for ADL is 98.1%.

Ort, förlag, år, upplaga, sidor
2016. Vol. 187, s. 148-151
Serie
Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST, ISSN 1867-8211
Nyckelord [en]
Fall Detection, Angel Device, K-Nearest Neighbor
Nationell ämneskategori
Elektroteknik och elektronik
Identifikatorer
URN: urn:nbn:se:mdh:diva-33803DOI: 10.1007/978-3-319-51234-1_25ISI: 000428954100025Scopus ID: 2-s2.0-85011312016ISBN: 9783319512334 (tryckt)OAI: oai:DiVA.org:mdh-33803DiVA, id: diva2:1048564
Konferens
The 3rd EAI International Conference on IoT Technologies for HealthCare HealthyIoT'16, 18 Oct 2016, Västerås, Sweden
Projekt
SafeDriver: A Real Time Driver's State Monitoring and Prediction SystemTillgänglig från: 2016-11-21 Skapad: 2016-11-21 Senast uppdaterad: 2018-07-27Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Begum, ShahinaLindén, MariaAhmed, Mobyen Uddin

Sök vidare i DiVA

Av författaren/redaktören
Rahman, HamidurSandberg, JohanEriksson, LennartHeidari, MohammadBegum, ShahinaLindén, MariaAhmed, Mobyen Uddin
Av organisationen
Inbyggda system
Elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 71 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf