Falling Angel - a Wrist Worn Fall Detection System Using K-NN Algorithm

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%.

Sandberg, JohanMälardalens högskola,Inbyggda system(Swepub:mdh)oi (författare)
Eriksson, LennartMälardalens högskola,Inbyggda system(Swepub:mdh)oi (författare)
Heidari, MohammadMälardalens högskola,Inbyggda system(Swepub:mdh)oi (författare)
Arwald, JanExformation AB, Lidingö, Sweden (författare)
Eriksson, PeterExformation AB, Lidingö, Sweden (författare)
Begum, Shahina,1977-Mälardalens högskola,Inbyggda system(Swepub:mdh)sbm02 (författare)
Lindén, Maria,1965-Mälardalens högskola,Inbyggda system(Swepub:mdh)mln04 (författare)
Ahmed, Mobyen Uddin,1976-Mälardalens högskola,Inbyggda system(Swepub:mdh)mad02 (författare)
Mälardalens högskolaInbyggda system (creator_code:org_t)

Av författaren/redakt...: Rahman, Hamidur; Sandberg, Johan; Eriksson, Lennar ...; Heidari, Mohamma ...; Arwald, Jan; Eriksson, Peter; visa fler...; Begum, Shahina, ...; Lindén, Maria, 1 ...; Ahmed, Mobyen Ud ...; visa färre...

Om ämnet

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.