基于骨架和自编码器模型的视频跌倒检测研究

发布时间：2022-12-18 08:21

　　目前,我国已经进入了人口老龄化阶段。老人是最常遭受跌倒侵害的群体,若能及时检测到跌倒的发生,则可为救助提供时间上的先机。近年来,计算机视觉技术的飞速发展为基于视频的跌倒检测研究提供了可行的途径和方法。考虑到跌倒是一种偶发性的异常行为,本文将基于自编码器模型的视频异常行为检测框架应用到跌倒检测中。本文的主要工作如下:首先,本文简要介绍了跌倒事件检测的研究现状以及发展趋势,并给出了现有方法的不足,从而明确了本文的研究内容。其次,本文基于视频中运动目标的骨架序列构造骨架时空图,并描述了骨架时空图上的空间图卷积操作和时间图卷积操作。结合现有自编码器模型的设计思路,提出了一种时空图卷积自编码器,用于实现跌倒检测。再次,针对人体骨架由于遮挡或大形变而无法完全提取的问题,提出了一种基于时空约束的骨架补齐方法。在骨架能完全补齐的情况下,利用时空图卷积自编码器来进行跌倒检测。最后,骨架无法补齐的情况,本文从头部关节点序列中提取头部运动特征,使用组合型LSTM自编码器,实现跌倒检测。本文所提方法在公开数据集上取得了优于现有无监督方法且接近有监督方法的检测效果。表明了本文所提的方法为基于视频的跌倒检测提供了... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 论文的主要研究内容
    1.3 国内外研究概况
2 基于自编码器模型的视频异常活动检测
    2.1 前言
    2.2 自编码器模型
    2.3 基于自编码器模型的视频异常活动检测算法框架
    2.4 异常检测算法评价标准
    2.5 本章小结
3 基于时空图卷积自编码器的跌倒检测算法
    3.1 前言
    3.2 骨架时空图
    3.3 空间图卷积
    3.4 时间图卷积
    3.5 时空图卷积自编码器
    3.6 基于时空图卷积自编码器的跌倒检测
    3.7 实验结果及分析
    3.8 本章小结
4 基于双自编码器模型的跌倒检测算法
    4.1 前言
    4.2 缺失关节点补齐算法和信息分流
    4.3 头部运动特征
    4.4 组合型LSTM自编码器
    4.5 基于组合型LSTM自编码器的跌倒检测算法
    4.6 实验结果及分析
    4.7 本章小结
5 总结和展望
    5.1 全文总结
    5.2 未来展望
致谢
参考文献



本文编号：3721716