發(fā)布成功
競標中
實現(xiàn)對老年人佩戴設備（如智能手表）過程中發(fā)生摔倒事件的精準識別。
要求準確率（Accuracy）≥ 95%，召回率（Recall）優(yōu)先考慮，誤報率（False Positive Rate）控制在較低水平（建議<5%）。
采樣頻率：50Hz~100Hz（建議默認60Hz）
濾波：低通濾波（如Butterworth）去除噪聲
標準化：對不同用戶動作幅度做歸一化處理
峰值檢測（加速度模長是否超過閾值，通常 >2.5g）
姿態(tài)變化（角速度快速變化并結合姿態(tài)突變）
沖擊前后序列特征（預跌倒+沖擊+靜止階段）
靜止檢測：摔倒后長時間無明顯動作
可選：
規(guī)則引擎 + 閾值法（適合嵌入式，耗電低，但難以泛化）
機器學習模型：
決策樹、SVM、KNN
更優(yōu)方案：輕量級神經(jīng)網(wǎng)絡（如1D CNN, LSTM）部署在MCU或Edge上
模型訓練數(shù)據(jù)：需采集真實摔倒動作數(shù)據(jù)（模擬跌倒 + 正常活動）
數(shù)據(jù)樣本：不少于 1000 次完整動作序列
包括摔倒類型（向前/后/側跌，滑倒，坐倒）
包括非摔倒運動（走路、跑步、坐下、跳躍等）
數(shù)據(jù)應來源于真實設備佩戴方式（手表位置、佩戴穩(wěn)定性）
采集人群：包含老年人及不同體型個體
準確率 ≥ 95%
召回率 ≥ 97%（避免漏檢）
假陽率 ≤ 5%
響應時間 < 1 秒（從跌倒動作發(fā)生到報警）
能耗評估（適合長時間佩戴，考慮邊緣計算）
算法內(nèi)存占用 ≤ 128KB
實時性滿足 50Hz處理
輸出跌倒狀態(tài)布爾值（true/false）
可選：置信度（0~1）
跌倒后觸發(fā)本地報警 + 4G通知上傳（與App或平臺對接）
1、我愛方案網(wǎng)是會員制服務，服務商通過競標后即可聯(lián)系雇主；
2、項目預算與報價不代表最終成交價格，成交價以雙方協(xié)商為準；
3、平臺提供設計項目對接服務，希望促成高效合作，對交易雙方不收取傭金，謝謝留意！
該服務商是一星服務商，被選中1次以上，供您參考。
該服務商是中電認證企業(yè)服務商，經(jīng)過平臺線下拜訪考察過的服務商
該服務商是二星服務商，被選中2次以上，相對靠譜。
