CNN과 RNN을 통합하여 실내 환경에서 노인을 모니터링할 수 있는 Human Fall Detection and Classification을 위한 딥러닝 및 컴퓨터 비전 기반 프레임워크를 제안한다. 다양한 유형의 RNN 중에서 GRU를 이용해 아키텍처를 구현하였다.
Fall Detection을 위한 비전 기반 접근 방식에 중점을 둔 CNN 아키텍처를 제안하였다.
딥러닝 아키텍처를 기존의 머신 러닝 분류기와 결합하는 것을 제안하였다. CNN과 LSTM을 사용하여 분류기가 Fall/Non Fall에 대한 결정을 출력하기 위해 사용할 일련의 특징들을 생성해낸다.
Histograms of Oriented Gradients(HOG), Local Binary Pattern(LBP) 그리고 딥러닝 프레임워크인 Caffe를 결합해 사람의 실루엣 영역을 나타내는 확장된 기능인 HLC를 제안하였다.
가구에서의 추락과 같이 복잡한 환경에서 매우 정확한 추락 감지를 달성하는 것을 목표로 Faster R-CNN 기반 모델을 구성하여 실험을 설계하였다.