轻量级CNN实时跌倒预测及嵌入式系统实现

来源：电子测量技术杂志2022年第11期北京时间：

作者：杜群贵，钟威

单位：华南理工大学 机械与汽车工程系，广州市510640

摘要：为了实现实时而准确的跌倒预测，同时将深度学习模型移植到于可穿戴端设备中运行，提出了一种轻量级卷积神经网络模型。借鉴深度可分离网络的轻量级模型思想，设计了网络结构，并优化通道数和卷积核尺寸，在保证准确率基本不变的情况下大大减小了模型计算复杂度。为将算法部署于可穿戴跌倒保护设备，提出了模型在嵌入式端的实时运行框架，并将算法编写为C程序，移植到了STM32单片机中。此模型在Sisfall数据集中获得了97.5%的准确率，204.3ms的裕量时间。移植的模型仅有11.65KB大小，在STM32单片机中的算法延时仅为8.24ms。实验结果表明，该模型具有较高的预测精度和很好的实时性，为跌倒预测算法和跌倒保护装置的开发提供了进一步的参考。

关键词：跌倒检测;深度可分离网络;嵌入式;可穿戴设备

基金资助：广东省自然科学基金(2021A1515012258)