Một mô hình học sâu cho bài toán phát hiện người bị ngã

 TNU Journal of Science and Technology 225(14): 48 - 53 
48  Email: jst@tnu.edu.vn 
MỘT MÔ HÌNH HỌC SÂU CHO BÀI TOÁN PHÁT HIỆN NGƯỜI BỊ NGÃ 
Phùng Thị Thu Trang1*, Ma Thị Hồng Thu2 
1Trường Ngoại ngữ - ĐH Thái Nguyên, 
2Trường Đại học Tân Trào 
TÓM TẮT 
Té ngã là một trong những vấn đề nghiêm trọng đối với con người, chiếm tỷ lệ tử vong lên đến 
25%, tỷ lệ này càng cao hơn đối với những người cao tuổi. Nhận dạng người bị ngã là một trong 
những bài toán quan trọng trong lĩnh vực thị giác máy tính. Những năm gần đây, thị giác máy tính 
đã đạt được tiến bộ ấn tượng khi mà học sâu thể hiện khả năng tự động học. Đã có nhiều mô hình 
học sâu dựa trên mạng nơ ron tích chập 3D (CNN) đã được đề xuất để giải quyết vấn đề này. 
Trong bài báo này, chúng tôi đề xuất một mô hình (2+1)D ResNet-18 giải quyết bài toán nhận 
dạng người bị ngã. Kết quả thử nghiệm cho thấy, (2+1)D ResNet-18 cho độ chính xác tốt hơn 
0,87% trên bộ dữ liệu FDD và 1,13% trên bộ dữ liệu URFD so với các phương pháp được đề xuất 
gần đây. 
Từ khóa: Học sâu; mạng CNN; phát hiện người bị té ngã; mạng nơron; (2+1)D ResNet 
Ngày nhận bài: 05/8/2020; Ngày hoàn thiện: 13/11/2020; Ngày đăng: 27/11/2020 
A DEEP LEARNING MODEL FOR FALLING DETECTION 
Phung Thi Thu Trang1*, Ma Thi Hong Thu2 
1TNU – School of Foreign Languages, 
2Tan Trao University 
ABSTRACT 
Falling is one of the most serious problems for humans, accounting for up to 25% of death rates, 
which is even higher for the elderly. Falling detection is one of the most important problems in 
computer vision. In recent years, computer vision has made impressive progress when deep 
learning demonstrates the ability to automatically learn. There have been many deep learning 
models based on 3D convolutional neural network (CNN) that have been proposed to solve this 
problem. In this paper, we propose a model which is called (2+1)D ResNet-18 to solve the falling 
detection task. The experimental results show that (2+1)D ResNet-18 gives 0.87% better accuracy 
on the FDD dataset and 1.13% on the URFD dataset than the recently proposed methods. 
Keywords: Deep learning; convolutional neural networks; falling detection; neural networks; 
(2+1)D ResNet 
Received: 05/8/2020; Revised: 13/11/2020; Published: 27/11/2020 
* Corresponding author. Email: phungthutrang.sfl@tnu.edu.vn 
Phùng Thị Thu Trang và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(14): 48 - 53 
 Email: jst@tnu.edu.vn 49 
1. Giới thiệu 
Học máy, đặc biệt là học sâu, đã đạt được 
những thành tựu to lớn trong nhiều lĩnh vực 
gần đây. Mạng nơ ron hồi quy (RNN) và 
Mạng RNN cải tiến Long Short – Term 
Memory (LSTM) với ý tưởng rằng chúng có 
thể kết nối các thông tin trước đó với thông 
tin hiện tại, đã được áp dụng để giải quyết 
nhiều vấn đề trong nhận dạng giọng nói và xử 
lý ngôn ngữ tự nhiên (NLP) một cách hiệu 
quả. Cùng với sự phát triển của NLP, xử lý 
hình ảnh và thị giác máy tính cũng có những 
bước đột phá. Các mô hình được xây dựng 
dựa trên mạng nơ ron tích chập (CNN) đạt 
được nhiều thành tựu lớn. Ví dụ: Alex và các 
cộng sự [1] đã xây dựng một mạng gọi là 
AlexNet, mạng này đã chiến thắng trong cuộc 
thi phân loại hình ảnh (ImageNet) năm 2012. 
Trong các năm tiếp theo, rất nhiều mô hình 
dựa trên mạng tích chập đã được đề xuất 
chẳng hạn như ZFNet [2] năm 2013, 
GoogleNet [3] năm 2014, VGGNet [4] năm 
2014, ResNet [5] năm 2015. Ngoài phân loại 
hình ảnh, mạng tích chập thường được áp 
dụng cho nhiều bài toán về hình ảnh như phát 
hiện đa đối tượng, chú thích hình ảnh, phân 
đoạn hình ảnh, v.v. 
Nhận dạng hoạt động người không những là 
chủ đề nghiên cứu quan trọng trong tính toán 
nhận biết ngữ cảnh mà còn là chủ đề đối với 
rất nhiều lĩnh vực khác. Ngã là một vấn đề 
nghiêm trọng ở người cao tuổi rất thường gặp, 
gây tàn phế và thậm chí gây tử vong, là 
nguyên nhân đứng thứ 5 gây tử vong ở người 
cao tuổi. Ngã là một yếu tố gây tử vong, 
thống kê ở bệnh viện có tới 25% các trường 
hợp nhập viện do ngã bị tử vong, trong khi 
chỉ có 6% tử vong do các nguyên nhân khác. 
Bài toán phát hiện người bị té ngã là một 
trong những bài toán phổ biến trong lĩnh vực 
nhận dạng hoạt động của con người, thu hút 
được nhiều sự chú ý của các nhà khoa học. 
Đây là một bài toán quan trọng và có ý nghĩa 
hết sức to lớn đối với vấn đề bảo vệ sức khỏe 
của con người. Nhiệm vụ đặt ra đối với bài 
toán này là cần đưa ra dự đoán một cách 
chính xác và trong thời gian thực khi gặp 
trường hợp người bị ngã để giảm thiểu thời 
gian người ngã nằm trên sàn từ sau thời điểm 
ngã đến khi được người chăm sóc phát hiện. 
Trong bài báo này, chúng tôi đề xuất mô hình 
(2+1)D ResNet-18 dựa trên kiến trúc 3D 
ResNet từ [6] để giải quyết bài toán phát hiện 
người bị té ngã. Kết quả thử nghiệm cho thấy, 
mô hình của chúng tôi cho độ chính xác hơn 
0,87% trên bộ dữ liệu FDD và 1,13% trên bộ 
dữ liệu URFD so với các phương pháp được 
đề xuất gần đây trong [7] và [8]. 
Bài viết được chia thành 5 phần. Sau phần 
giới thiệu, phần 2 trình bày một số nghiên cứu 
gần đây, phần 3 mô tả kiến trúc mạng (2+1)D 
ResNet-18, phần 4 trình bày các thử nghiệm 
trên hai bộ dữ liệu FDD và bộ dữ liệu URFD 
cũng như thảo luận về kết quả. Phần 5 khép 
lại với kết luận và tài liệu tham khảo. 
2. Một số nghiên cứu gần đây 
Hiện nay, có hai cách tiếp cận phổ biến để 
giải quyết bài toán nhận dạng hoạt động, bao 
gồm: nhận dạng hoạt động dựa trên thị giác 
máy tính và nhận dạng hoạt động dựa trên 
cảm biến. Đối với phương pháp nhận dạng 
hoạt động dựa trên cảm biến đòi hỏi người sử 
dụng phải luôn luôn mang các thiết bị cảm 
biến theo bên người, điều này đôi khi gây 
vướng víu và phiền toái đối với người sử 
dụng hoặc có nhiều người đôi khi còn quên 
không mang theo các thiết bị này bên mình. 
Các phương pháp nhận dạng hoạt động dựa 
trên thị giác máy tính thì tập trung vào việc 
theo dõi các dữ liệu video thu được từ 
camera, sau đó phân tích và đưa ra kết luận về 
hành động (trong bài báo này là phát hiện té 
ngã). Đa số các công bố theo cách tiếp cận 
này đều dựa trên học có giám sát. Nhiều hệ 
thống đều được xây dựng bằng cách trích 
chọn những đặc trưng từ các khung hình của 
video, sau đó áp dụng các kỹ thuật học máy 
để phân lớp. Ví dụ, Charfi cùng các cộng sự 
[9] đã trích xuất 14 đặc trưng từ hình ảnh dựa 
Phùng Thị Thu Trang và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(14): 48 - 53 
 Email: jst@tnu.edu.vn 50 
trên đạo hàm bậc nhất và bậc hai, biến đổi 
Fourier và biến đổi Wavelet, sau đó nhóm tác 
giả sử dụng SVM để phân lớp các hình ảnh 
này. Zerrouki cùng các cộng sự đã xây dựng 
hệ thống nhận dạng té ngã bằng cách tính 
diện tích vùng cơ thể và góc của cơ thể, sau 
đó các đặc trưng này được đưa vào hệ thống 
phân loại khác nhau [10], SVM là phương 
pháp phân loại cho kết quả tốt nhất thời điểm 
đó. Vào năm 2017, cũng với nhóm tác giả 
này, họ đã mở rộng nghiên cứu bằng cách áp 
dụng thêm các hệ số Curvelet và sử dụng mô 
hình Markov ẩn (HMM) để mô hình hóa các 
tư thế cơ thể khác nhau [11]. 
Trong những năm gần đây, học sâu (deep 
learning) đã đạt được nhiều thành tựu to lớn 
trong lĩnh vực trí tuệ nhân tạo, đặc biệt là thị 
giác máy tính. Cùng với sự bùng nổ về sự 
phát triển phần cứng, các framework hỗ trợ, 
đã có rất nhiều mô hình học sâu được xây 
dựng để giải quyết bài toán phát hiện người té 
ngã. Chẳng hạn như Adrián cùng các cộng sự 
đã xây dựng, đề xuất mô hình sử dụng kiến 
trúc mạng VGG-16 để trích chọn đặc trưng và 
phân lớp [7]. Năm 2019, Sarah đã mở rộng 
phương pháp bằng cách sử dụng các hình ảnh 
đầu vào khác nhau cho mô hình VGG-16 [8]. 
Trong bài báo đó, họ đã sử dụng ba loại hình 
ảnh: ảnh RGB, ảnh optical flow (áp dụng 
optical flow để trích xuất ra hình ảnh chuyển 
động giữa các khung hình) và ảnh khung 
xương (áp dụng pose estimate để trích xuất ra 
hình ảnh khung xương của con người). Thêm 
vào đó, họ đã kết hợp sử dụng các hình ảnh 
này với nhau và kết quả cho thấy, với đầu vào 
gồm cả 3 loại hình ảnh trên thì mô hình của 
họ đạt kết quả cao nhất. 
3. Đề xuất mô hình 
Năm 2015, Kaiming He cùng các cộng sự đã 
đề xuất một mô hình mang tên ResNet [5]. 
Với kỹ thuật skip connection trong [5], 
ResNet đã có thể tránh được vấn đề vanishing 
gradient mà không làm giảm hiệu suất mạng. 
Điều đó giúp các lớp sâu ít nhất không tệ hơn 
các lớp nông. Hơn nữa, với kiến trúc này, các 
lớp trên nhận được nhiều thông tin trực tiếp 
hơn từ các lớp thấp hơn nên nó sẽ điều chỉnh 
trọng lượng hiệu quả hơn. Sau ResNet, một 
loạt các biến thể của phương pháp này đã 
được giới thiệu. Các thí nghiệm cho thấy 
những kiến trúc này có thể được đào tạo với 
các mô hình CNN với độ sâu lên tới hàng 
ngàn lớp. ResNet đã nhanh chóng trở thành 
kiến trúc phổ biến nhất trong lĩnh vực học sâu 
và thị giác máy tính. 
Hình 1. Sự khác nhau giữa 3D CNN và (2+1)D CNN 
Trong [6], các tác giả đã đề xuất mô hình 3D 
ResNet để giải quyết bài toán phân loại hành 
động. Tuy nhiên, các mô hình ở trong [6] đều 
rất sâu và phức tạp, đồng thời chúng được 
huấn luyện trên các bộ dữ liệu lớn. Do đó, các 
mô hình 3D Resnet này không phù hợp với 
bài toán nhận dạng té ngã mà trong bài báo 
này đang xét đến. Để giảm độ phức tạp của 
mô hình 3D CNN, trong [12], các tác giả đã 
trình bày kỹ thuật kết hợp 3D CNN với 2D 
CNN và sử dụng (2+1)D CNN. Qua thử 
nghiệm cho thấy, việc sử dụng (2+1)D CNN 
cho kết quả tốt hơn hẳn so với chỉ sử dụng 3D 
CNN và kết hợp 3D CNN với 2D CNN. Hình 
1 mô tả sự khác nhau giữa hai kiến trúc 3D 
CNN và (2+1)D CNN. Trong đó, mỗi khối 
3D conv đều được thay thế bằng các khối 
(2+1)D conv. 
Hình 2. So sánh khối 3D convolution thông 
thường với khối (2+1)D convolution 
Phùng Thị Thu Trang và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(14): 48 - 53 
 Email: jst@tnu.edu.vn 51 
Hình 2 mô tả sự khác nhau giữa hai khối 3D 
conv và (2+1)D conv. Trong đó, với khối 3D 
conv thì kích thước hạt nhân thường được sử 
dụng sẽ có dạng t d d còn trong khối 
(2+1)D conv, phép tích chập 3D này sẽ được 
tách thành hai phép tích chập nhỏ hơn với 
phép tích chập thứ nhất có kích thước hạt 
nhân là 1 d d và phép tích chập thứ hai sẽ 
có kích thước hạt nhân là t 1 1. Với 
(2+1)D conv, thì số lượng tham số và chi phí 
tính toán được giảm đi đáng kể so với khối 
3D conv thông thường. Trong [12], các tác 
giả đã chứng minh rằng (2+1)D conv hoạt 
động tốt hơn 3D conv. 
Toàn bộ kiến trúc mô hình (2+1)D ResNet-18 
được trình bày như trong bảng 1. Trong đó, 
Conv1, Conv2_x, Conv3_x, Conv4_x là các 
tầng tích chập với x thể hiện rằng tầng đó 
được lặp lại nhiều lần và có sử dụng kỹ thuật 
skip connection. Đầu ra của tất cả các tầng 
tích chập mặc định đều được đưa vào tầng 
Batch Normalization và ReLU. Ở cột tham 
số, 7 7 7; 64 thể hiện rằng tầng tích chập 
đó có kích thước hạt nhân là 7 7 7 và số 
lượng bộ lọc là 64. Với khối MaxPool, k đại 
diện cho kích thước hạt nhân và s là bước 
nhảy. Khối FC đại diện cho tầng Fully 
Connected, trong tầng này chúng tôi sử dụng 
hàm sigmoid để đưa ra dự đoán phân lớp cho 
video clip đầu vào. 
4. Thử nghiệm và các kết quả 
4.1. Các bộ dữ liệu và thiết lập 
Trong bài báo này, chúng tôi sử dụng hai bộ 
cơ sở dữ liệu là FDD và URFD để tiến hành 
thử nghiệm và so sánh kết quả mô hình chúng 
tôi đã đề xuất với các công bố gần đây. 
Bộ dữ liệu FDD được xây dựng năm 2013. 
Bộ dữ liệu này bao gồm các video được quay 
lại ở hai địa điểm là phòng cà phê và phòng ở 
nhà. Tất cả các video trong bộ dữ liệu được 
quay lại bởi một camera duy nhất và được 
thiết lập có độ phân giải hình ảnh là 320 
240 pixel và tốc độ khung hình là 25 fps. Các 
diễn viên trong mỗi video đều thực hiện các 
hoạt động bình thường ở nhà và ngã tại mỗi 
thời điểm khác nhau, các hoạt động này đều 
được thực hiện một cách ngẫu nhiên. Địa chỉ 
website của bộ dữ liệu FDD là 
dataset?lang=fr. 
Bộ dữ liệu URFD được Bogdan Kwolek cùng 
các cộng sự xây dựng năm 2014 [13] nhằm 
mục đích nhận dạng người bị ngã thông qua 
các loại thiết bị khác nhau như camera, gia 
tốc kế, Microsoft Kinect (trong bài báo này, 
chúng tôi chỉ sử dụng các video được quay từ 
camera trong bộ dữ liệu mà không sử dụng 
thông tin từ các thiết bị khác). Bộ dữ liệu bao 
gồm 70 videos với 30 videos chứa các hành 
động ngã khác nhau và 40 videos còn lại chứa 
những hoạt động bình thường được diễn ra 
hàng ngày, chẳng hạn như: ngồi, đi lại, cúi 
người, v.v. Địa chỉ tải xuống bộ dữ liệu 
URFD tại  
mkepski/ds/uf.html. 
Bảng 1. Kiến trúc mô hình (2+1)D Resnet-18 
Tên khối Tham số Lặp Kích thước đầu ra 
Tầng Input (16,224,224,3) 
Conv 1 7 7 7, 64 1 (16,112,112,64) 
MaxPool 
k=(3,3,3) 
s=(1,2,2) 
1 (16,56,56,64) 
Conv2_x 
1 3 3, 128 
3 1 1, 128 
2 (8,28,28,128) 
Conv3_x 
1 3 3, 256 
3 1 1, 256 
2 (4,14,14,256) 
Conv4_x 
1 3 3. 512 
3 1 1. 512 
2 (2,7,7,512) 
Global Spatial Pool 1 (2,512) 
Flatten 1 (1024) 
FC 1 (1) 
Phùng Thị Thu Trang và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(14): 48 - 53 
 Email: jst@tnu.edu.vn 52 
Mô hình của chúng tôi được đào tạo từ đầu 
với hàm tối ưu hóa là Adam. Các video huấn 
luyện được chia thành nhiều clip có độ dài 16 
khung hình và mỗi khung hình có kích thước 
là 224 224 3. Kích thước mỗi batch là 16 
clips. Tỷ lệ học tập được khởi tạo là 0,001 và 
giảm đi 10 lần nếu trong 10 epoch liên tiếp 
mà mô hình không cải thiện được độ chính 
xác trên tập kiểm thử. Tất cả các mô hình đều 
được huấn luyện với 100 epochs và độ chính 
xác được tính trên tập ảnh thử nghiệm. Để 
đánh giá chính xác hiệu suất của mô hình, 
chúng tôi sử dụng phương pháp five-fold 
cross validation và so sánh kết quả của mô 
hình với các phương pháp đã được đề xuất 
gần đây trong [7] và [8] về cả độ chính xác, 
lượng tham số sử dụng cũng như số phép toán 
thực hiện. 
4.2. Phương pháp đánh giá 
Từ quan điểm của việc học có giám sát, phát 
hiện té ngã có thể được coi là một bài toán 
phân loại nhị phân mà trên đó một bộ phân 
loại phải quyết định xem chuỗi các khung 
video đầu vào có nhãn là ngã hay không. 
Phương pháp phổ biến nhất để đánh giá hiệu 
suất của bộ phân loại như vậy là recall (hoặc 
sensitivity), specificity và độ chính xác 
(accuracy). Ba phương pháp đánh giá chúng 
tôi sử dụng được xác định như sau: 
Trong đó: 
- TP - true positives: số lượng video clip được 
gán nhãn là ngã và dự đoán của mô hình cũng 
là ngã. 
- FP - false positives: số lượng video clip 
được gán nhãn là không phải sự kiện ngã 
trong khi dự đoán của mô hình là ngã. 
- TN - true negatives: số lượng video clip 
được gán nhãn là không phải sự kiện ngã và 
dự đoán của mô hình cũng là không phải sự 
kiện ngã. 
- FN - false negatives: số lượng video clip 
được gán nhãn là ngã trong khi dự đoán của 
mô hình là không phải sự kiện ngã. 
4.3. Kết quả và so sánh 
Trong bảng 2, chúng ta có thể thấy, mô hình 
(2+1)D ResNet-18 cho kết quả tốt nhất về độ 
đo Specificity và Accuracy. Cụ thể, (2+1)D 
ResNet-18 hơn 3-streams trong [8] 1,28% về 
mặt Specificity và hơn 0,87% về mặt 
Accuracy. Về phép đo Recall, mô hình của 
chúng tôi kém hơn 0,8% so với Pose 
Estimation trong [8]. 
Đối với bộ dữ liệu URFD, các kết quả được 
trình bày như trong bảng 3. Có thể thấy, 
(2+1)D ResNet-18 hơn 1,29%, 0% và 1,13% 
so với phương pháp tốt nhất hiện có trong [7] 
và [8], tương ứng trên 3 phép đo Specificity, 
Recall và Accuracy. 
Bảng 2. So sánh (2+1)D Resnet-18 với các nghiên cứu được công bố gần đây 
về độ chính xác trên bộ dữ liệu FDD 
Mô hình Kiến trúc Specificity Recall Accuracy 
VGG + optical flow [7] VGG-16 97,0 99,0 97,0 
RGB [8] VGG-16 79,02 100,0 80,52 
Optical Flow [8] VGG-16 96,17 99,9 96,43 
Pose Estimation [8] VGG-16 60,15 100,0 63,01 
3-streams (OF+PE+RGB) [8] VGG-16 98,32 99,9 98,43 
(2+1)D Resnet-18 Resnet 99,6 99,2 99,3 
Phùng Thị Thu Trang và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 225(14): 48 - 53 
 Email: jst@tnu.edu.vn 53 
Bảng 3. So sánh (2+1)D Resnet-18 với các nghiên cứu được công bố gần đây 
về độ chính xác trên bộ dữ liệu UCFD 
Mô hình Kiến trúc Specificity Recall Accuracy 
VGG + optical flow [7] VGG-16 92,0 100,0 95,0 
RGB [8] VGG-16 96,61 100,0 96,99 
Optical Flow [8] VGG-16 96,34 100,0 96,75 
Pose Estimation [8] VGG-16 93,09 94,41 93,24 
3-streams (OF+PE+RGB) [8] VGG-16 98,61 100,0 98,77 
(2+1)D Resnet-18 Resnet 99,9 100,0 99,9 
5. Kết luận 
Trong bài báo này, chúng tôi đã đề xuất một 
mô hình học sâu mang tên (2+1)D ResNet-18 
dựa trên kiến trúc của ResNet để nhận dạng 
người bị té ngã từ dữ liệu video. Kết quả thử 
nghiệm cho thấy, mô hình đạt hiệu suất tốt 
hơn các mô hình đã được công bố gần đây. 
Trong tương lai gần, chúng tôi đang có kế 
hoạch cải thiện độ chính xác của mô hình, 
Mặt khác, chúng tôi sẽ áp dụng mô hình trên 
cho các bài toán khác trong lĩnh vực thị giác 
máy tính và xử lý hình video. 
TÀI LIỆU THAM KHẢO/ REFERENCES 
[1]. A. Krizhevsky, I. Sutskever, and G. E. Hinton, 
“Imagenet Classification with Deep 
Convolutional Neural Networks,” in 
Proceeding of Advances in Neural 
Information Processing Systems (NIPS), 
2012, pp. 1106-1114. 
[2]. M. D. Zeiler, and R. Fergus, “Visualizing and 
Understanding Convolutional Networks,” 
European Conference on Computer Vision, 
Springer, 2014, pp. 818-833. 
[3]. C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. 
Reed, D. Anguelov, D. Erhan, V. Vanhoucke, 
and A. Rabinovich, “Going Deeper with 
Convolutions,” in Proceedings of the IEEE 
Conference on Computer Vision and Pattern 
Recognition, 2015, pp. 1-9. 
[4]. K. Simonyan, and A. Zisserman, “Very deep 
Convolutional Networks for large-scale Image 
Recognition,” in Proceedings of the 
International Conference on Learning 
Representations, 2015, pp. 1-14. 
[5]. K. He, X. Zhang, S. Ren, and J. Sun, “Deep 
Residual Learning for Image Recognition,” in 
Proceedings of the IEEE Conference on 
Computer Vision and Pattern Recognition, 
2016, pp. 770-778. 
[6]. K. Hara, H. Kataoka, and Y. Satoh, “Can 
Spatiotemporal 3d CNNs retrace the history 
of 2d CNNs and Imagenet?” in Proceedings 
of the IEEE Conference on Computer Vision 
and Pattern Recognition, 2018, pp. 6546-
6555. 
[7]. A. Nú˜nez-Marcos, G. Azkune, and I. 
Arganda-Carreras, “Vision-based Fall 
Detection with Convolutional Neural 
Networks,” Wireless communications and 
mobile computing, vol. 2017, pp. 1-16, 2017. 
[8]. S. A. Cameiro, G. P. da Silva, G. V. Leite, R. 
Moreno, S. J. F. Guimarães, and H. Pedrini, 
“Multi-stream Deep Convolutional Network 
using High-level Features applied to Fall 
Detection in Video Sequences,” in 
International Conference on Systems, Signals 
and Image Processing, 2019, pp. 293-298. 
[9]. I. Charfi, J. Miteran, J. Dubois, M. Atri, and 
R. Tourki, “Definition and Performance 
Evaluation of a robust SVM based Fall 
Detection Solution,” in 8th International 
Conference on Signal Image Technology and 
Internet Based Systems, 2012, pp. 218-224. 
[10]. N. Zerrouki, F. Harrou, A. Houacine, and Y. 
Sun, “Fall Detection using Supervised 
Machine Learning Algorithms: A comparative 
study,” in 8th International Conference on 
Modelling, Identification and Control 
(ICMIC), IEEE, 2016, pp. 665-670. 
[11]. N. Zerrouki, and A. Houacine, “Combined 
Curvelets and Hidden Markov Models for 
Human Fall Detection,” Multimedia Tools 
and Applications, vol. 77, no. 5, pp. 6405-
6424, 2018. 
[12]. D. Tran, H. Wang, L. Torresani, J. Ray, Y. 
LeCun, and M. Paluri, “A Closer Look at 
Spatiotemporal Convolutions for Action 
Recognition,” in Proceedings of the IEEE 
conference on Computer Vision and Pattern 
Recognition, 2018, pp. 6450-6459. 
[13]. B. Kwolek, and M. Kepski, “Human Fall 
Detection on Embedded Platform using Depth 
Maps and Wireless Accelerometer,” 
Computer methods and programs in 
biomedicine, vol. 117, no. 3, pp. 489-501, 
2014.