Abstract: Multi-camera, Multi-person, and Real-time Fall Detection using Long Short Term Memory

Falls occurring at home are a high risk for elderly living alone. Several sensor-based methods for detecting falls exist and – in majority – use wearables or ambient sensors. Video-based fall detection is emerging. However, the restricted view of a single camera, distinguishing and tracking of persons, as well as high false-positive rates pose limitations.

Authors and Affiliations

1. Peter L. Reichertz Institute for Medical Informatics of TU Braunschweig and Hannover Medical School, Braunschweig, Deutschland

   Christian Heinrich, Nicolai Spicher & Thomas M. Deserno

2. Indian Institute of Technology Bombay, Bombay, Indien

   Samad Koita & Mohammad Taufeeque

Corresponding author

Correspondence to Christian Heinrich .

Editors and Affiliations

1. Fakultät für Informatik und Mathematik, Ostbayerische Technische Hochschule Regensburg, Regensburg, Germany

   Christoph Palm

2. Peter L. Reichertz Institut für Medizinische Informatik der TU Braunschweig und der Medizinischen Hochschule Hannover, Braunschweig, Germany

   Thomas M. Deserno

3. Institut für Medizinische Informatik, Universität zu Lübeck, Lübeck, Germany

   Heinz Handels

4. Lehrstuhl für Mustererkennung, Friedrich-Alexander-Universität, Erlangen, Germany

   Andreas Maier

5. Medical Image Computing, E230, Deutsches Krebsforschungszentrum (DKFZ), Heidelberg, Germany

   Klaus Maier-Hein

6. Institut für Medizinische Informatik, Charité – Universitätsmedizin Berlin, Berlin, Germany

   Thomas Tolxdorff

Reprints and permissions

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

Policies and ethics