Construcción de un conjunto de datos robusto para la detección de caídas basado en secuencias de imágenes RGB y de profundidad

Abstract

Las caídas suponen un gran problema contra la salud de los pacientes a nivel mundial, siendo la segunda causa de muerte accidental, según la Organización Mundial de la Salud ‒OMS‒, creando, de esta forma, un foco de investigación para muchos, el cual busca disminuir el porcentaje de aquellos eventos de caídas que llegan a tornarse mortales tanto en ambientes controlados como no controlados y en población de cualquier edad; sin embargo, se sabe que la población más vulnerable a sufrir heridas de gravedad es aquella en la que los individuos se encuentran en la tercera edad. Por esta razón, se propone un conjunto de datos llamado Robust Fall Detection Dataset RFDD‒ compuesto de una amplia variedad de acciones del diario vivir (ADL), como caminar, sentarse, levantarse, entre otros, y acciones de caídas simuladas por actores reales y en diferentes escenarios. Después de una validación del RFDD, usando un algoritmo de red neuronal y diferentes arquitecturas de redes neuronales, se obtienen resultados bastante positivos, esto con el objetivo de ayudar en investigaciones futuras por parte de cualquier equipo de investigación al proporcionar un conjunto de datos bastante completo y de acceso gratuito.