Artículos Académicos C. Menacho and J. Ordoñez, "Fall detection based on CNN models implemented on a mobile robot," 2020 17th International Conference on Ubiquitous Robots (UR), Kyoto, Japan, 2020, pp. 284-289, doi: 10.1109/ UR49135.2020.9144836. Las personas mayores suelen sufrir caídas que pueden provocar lesiones o incluso la muerte. Esta problemática es abordada por el presente trabajo, en el cual se propone una arquitectura CNN eficiente con un número reducido de parámetros, que después es implementado como servicio con un robot móvil. Este robot fue equipado con un hardware de recursos limitados (plataforma Nvidia Jetson TX2). Asimismo, se comparan diferentes modelos de CNN pre-entrenados para medir su desempeño en escenarios reales, además de otras funciones como seguimiento de personas y navegación. Por otra parte, la detección de caídas se lleva a cabo mediante la extracción de características temporales obtenidas
84
con una extracción de flujo óptico de dos imágenes RGB consecutivas. Los resultados confirman que la red propuesta es más rápida y más adecuada (88,55% de precisión) para ejecutarse en hardware con recursos limitados
