Studio e sviluppo dell'addestramento di una rete neurale per il riconoscimento delle cadute e porting su dispositivi a basso consumo e con risorse limitate.

Recent advances in deep learning technologies, particularly convolutional neural networks, have become fundamental tools for addressing complex challenges in the fields of health and personal care. Among these, automatic fall detection plays a crucial role, especially concerning the elderly population. The availability of intelligent systems capable of detecting such events in real time not only reduces medical response times but also improves the quality of life and safety of vulnerable individuals. This work presents the study and development of a convolutional neural network model designed to mitigate the issues described above. After training on dedicated datasets, the focus shifted toward adapting the solution to real-world scenarios, emphasizing its deploy- ment on low-power, resource-constrained devices.

Le tecnologie sviluppate nel campo del deep learning e, in particolare, le reti neurali convo- luzionali, rappresentano oggi uno strumento fondamentale per affrontare sfide complesse nell’ambito della salute e dell’assistenza alla persona. Tra queste il riconoscimento automatico delle cadute riveste un ruolo cruciale, soprattutto in relazione alla popolazione anziana, la più esposta a rischi di infortunio e perdita di autonomia. La possibilità di disporre di sistemi intelligenti in grado di rilevare in tempo reale tali eventi consente non solo di ridurre i tempi di intervento medico, ma anche di migliorare la qualità della vita e la sicurezza degli individui più fragili. L’elaborato presenta lo studio e lo sviluppo di un modello di rete neurale convoluzionale come strumento volto a mitigare le problematiche sopra evidenziate. Dopo l’addestramento su dataset dedicati, l’attenzione si è rivolta all’adattamento della soluzione in scenari reali, privilegiando l’implementazione di quest’ultima su dispositivi a basso consumo energetico e con risorse limitate.