基于人体头身的多特征融合和深度学习的摔倒检测

发布时间：2021-01-19 04:05

　　伴随人口老龄化的加剧,老年人健康问题越来越受关注。摔倒对于老年人来说是一个致命的危险,特别是对于空巢老人。如果老年人发生摔倒未得及时抢救,将有可能造成生命危险。因此研究出一个摔倒检测系统,能够准确检测老年人摔倒并发出警报,这无疑具有重要价值。近年来,随着计算机视觉的发展,在基于视频的行为识别技术领域也得到了极快的发展,已经有很多先进的算法能够准确地分类出各种行为。摔倒检测作为一种异常行为,如果将这些技术应用在摔倒行为检测中将具有重要的科研价值和现实意义。本文旨在对传统的基于几何特征的摔倒检测方法存在的一些问题进行了研究。一是几何特征不稳定,无法识别一些相似的活动。大部分这类算法只使用了一个全局几何形状来表达行人,难以提取出具有代表性的特征来分类一些和摔倒相似的活动。二是在摔倒分类的方法中,使用传统的数据统计和线性判别的方法准确度不高。而目前一些使用深度学习的方法准确率很高,但模型复杂需要花大量的训练时间,难以达到实时的要求。因此本文就这些问题提出了一种基于人体头身的多特征融合和深度学习的摔倒检测方法。针对几何特征的不稳定,难于区分相似活动等问题。本文提出将头身分割再分别提取头部和躯干的... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

前景检测结果图

图 2.2 头部预定位图如图 2.2 所示，先从输入的图像中获得前景，再通过头和身的比例将头前景分割出来，最后通过边框拟合获得头部初始的大概位置。2.3.2.3 头部跟踪结果通过预定位操作获得头部的初始位置后，再使用均值漂移跟踪算法进行部的分割头部跟踪的结果如图 2.3 所示。(a) (b) (c)

图 2.2 头部预定位图如图 2.2 所示，先从输入的图像中获得前景，再通过头和身的比例将头分割出来，最后通过边框拟合获得头部初始的大概位置。.2.3 头部跟踪结果通过预定位操作获得头部的初始位置后，再使用均值漂移跟踪算法进行分割头部跟踪的结果如图 2.3 所示。


本文编号：2986305