基于姿态估计的异常跌倒检测
发布时间：2021-11-21 05:16
由于我国人口老龄化、空巢化、独居化的发展趋势,老人的监护成为当前社会亟待解决的问题。由于老年人各方面生理机能的下降,在遇到意外情况发生跌倒时,如果没有医护人员的及时救治,极有可能因为错过了最佳抢救时间而危及生命。通过跌倒检测现有研究现状的调研,本文提出了一种基于姿态估计的异常跌倒检测系统方案,利用MEMS传感器和摄像头同步获取姿态数据,预处理后提取跌倒特征,利用改进的跌倒检测算法进行判断,同时监护人员可以通过用户交互界面追踪老人的实时状态,实现全方位的室内监护。主要工作内容如下:（1）研究了数据预处理及特征提取方法,包含视频数据的采集及预处理、MEMS传感器数据的采集及预处理、跌倒特征提取方法三个部分。通过相机获取原始视频图像并经过Open Pose处理后得到人体关键点数据,再经过缺失数据处理得到视频数据集。利用设计与研制的MEMS传感器获取加速度数据集,将其与视频数据同步后再拼接成融合数据集,然后利用滑动窗口得到人体行为矩阵,最后进行跌倒特征提取。（2）提出一种二次判别的跌倒检测算法,在传统机器学习模型的决策层设置阈值进行初次判别后,再利用改进的深度学习模型进行二次判别。本文算法首先...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
老人跌倒相因素随着计算机科技，通信技术的发展，视频监控在很多场景中得到应用[7]
杭州电子科技大学硕士学位论文4速度向量的模来判断跌倒和非跌倒。文献[40]等人利用嵌入式设备采集加速度数据，在服务端进行数据预处理后判断跌倒。文献[41]等人利用三轴加速度长安器实时获取姿态数据，通过计算人体落地时的角度变化进而判定跌倒。尽管这些可穿戴传感器具有高灵敏度和良好的实时特性，但由于手或手腕的各种活动的干扰，通常无法实现更高的检测精度。因此，仅依靠可穿戴传感器数据很容易引起误判和漏检。图1.2可穿戴式传感器设备其次，一些学者使用环境传感器来检测跌倒。文献[42]提出了一种可以定位特定语音原始来源的相位变换（SRP-PHAT）方法。在声音分类阶段，他们将梅尔频率倒谱系数（MFCC）功能与最近邻（NN）方法结合使用，以改善跌倒检测性能。然而昂贵的声学设备对环境有很高的要求，并且在某些环境噪声下难以进行精确检测。文献[43]采用声学局部三态模式（acoustic-LTPs）通过分析环境声音来检测跌倒事件。通过从原始音频中提取声学特征利用基于SVM的分类器识别跌倒事件。文献[44]利用压力穿拿起和声音传感器获取压力数据和声音音频，根据人体跌倒时数据的变化来判断跌倒。但是，由于在音频信号采集过程中难免引入噪声，这可能导致精度降低和误检。第三，基于计算机视觉的跌倒检测通常使用图像处理技术来构建人体模型以检测跌倒，如图1.3所示。文献[45]使用基于轮廓的模板匹配来区分人和非人，然后根据人体外部矩形的顶部和中心之间的距离判断人的跌倒。文献[46]利用图像处理技术获取人体轮廓，利用轮廓的坐标点提取相关跌倒特征判断跌倒。文献[47]利用深度相机获取人体姿态数据，通过人体跌倒时的身体方向和形态的变化来判断跌倒。文献[48]提出将人体三维姿态输入至两个LSTM网络中，利用双向信息传?
杭州电子科技大学硕士学位论文5图1.3利用图像处理获取的人体轮廓1.3本课题的主要研究内容和工作1.3.1现有跌倒检测算法的问题随着计算机技术的发展和互联网的普及，医疗行业打破时空限制，朝着“智慧医疗”的方向发展。利用互联网技术，老人在日常生活中可以不受时间和空间的限制，借助于各种可穿戴设备以及分布广泛的视频监控，将老人跌倒时的姿态信息上传到服务器，通过相关算法检测出异常跌倒行为后反馈给子女及医院，不需要子女或者医护人员的时刻看护，让老人在家中过上高质量、高享受的生活，因此开展基于姿态估计的跌倒检测具有重要意义。然而，目前基于姿态估计的跌倒检测算法有以下问题和难点：1）已有的基于可穿戴传感器的跌倒检测的准确度在很大程度上取决于传感器数据的精度及跌倒特征值的提取，而现有的提取方式大多以人工主观选择为主，检测的准确度极易受主观臆想影响，存在很大局限，而且传感器易受环境影响，仅依靠单一的传感器数据集检测，容易造成误判。2）已有的基于视觉的检测系统大致分为两类：基于机器学习的跌倒检测和基于深度学习模型的跌倒检测。前者主要利用图像处理技术提取人体姿态特征利用机器学习的方法判别，检测准确度过分依赖于特征值，而且提取过程容易受光照变化等环境的影响；后者主要通过深度学习模型大量学习每一帧跌倒图像，然后提取出像素级别的跌倒特征进行判断，而视频每一帧和跌倒相关的像素点没有涉及所有像素点，大量的冗余信息增加了计算量，减慢了数据处理速度。3）已有的基于视觉的检测系统主要采用Kinect深度相机采集视频图像，不仅能获得获得普通视频数据还能得到深度数据，检测效果较好但是Kinect深度相机价格高昂，推广性较低，实际应用不大。4）已有的跌倒检测系统大多将图像、传感
【参考文献】：
期刊论文
[1]融合交互信息和能量特征的三维复杂人体行为识别[J]. 王永雄,曾艳,李璇,尹钟,张孙杰,刘丽. 小型微型计算机系统. 2018(08)
[2]我国城市老年人跌倒状况及其影响因素研究[J]. 丁志宏,杜书然,王明鑫. 人口与发展. 2018(04)
[3]基于多媒体技术的三维人物图像动态重构[J]. 李天峰. 现代电子技术. 2018(09)
[4]基于多特征分析的摔倒检测算法设计[J]. 高苗,朱苏磊. 上海师范大学学报(自然科学版). 2018(02)
[5]国内外老年人害怕跌倒干预的研究进展[J]. 毛翠. 中华现代护理杂志. 2018 (07)
[6]我国人口老龄化现状、趋势与建议[J]. 胡杰成. 中国经贸导刊. 2017(12)
[7]独居与非独居老人生存质量及其影响因素[J]. 毛晨峰,陈静,杨涛,王育娟,王晓培,周伟洁,翁小瑜,黄仙红. 中国老年学杂志. 2016(23)
[8]基于OpenCV的老人跌倒检测的设计和实现[J]. 宋菲,薛质. 信息技术. 2015(11)
[9]基于嵌入式视频监控的摔倒检测系统的设计[J]. 白云飞,李瞡,何金龙. 电视技术. 2014(15)
[10]跌倒检测系统的研究进展[J]. 郑娱,鲍楠,徐礼胜,林晓州,黄停,窦元珠. 中国医学物理学杂志. 2014(04)
博士论文
[1]视频中人体姿态估计、跟踪与行为识别研究[D]. 马淼.山东大学 2017
[2]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
硕士论文
[1]基于三维人体姿态估计的老人跌倒检测[D]. 彭泽.郑州大学 2019
[2]基于多特征融合和机器学习的摔倒检测[D]. 樊梦丹.南昌大学 2018
[3]基于视频监控的室内跌倒行为的检测与识别研究[D]. 刘非非.山东大学 2016
[4]基于视频的室内老人摔倒检测研究[D]. 禹明娟.杭州电子科技大学 2016
[5]基于计算机视觉的室内跌倒检测[D]. 卢耿霞.广东工业大学 2015
[6]基于视频分析的室内人体跌倒检测方法的实现[D]. 沈秉乾.华南理工大学 2013
[7]基于关节点提取和多视角特征层融合的人体动作识别[D]. 蔡建军.燕山大学 2012
[8]基于多传感器的老人跌倒检测系统的研究与应用[D]. 薛源.武汉理工大学 2011
本文编号：3508847
【文章来源】：杭州电子科技大学浙江省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
老人跌倒相因素随着计算机科技，通信技术的发展，视频监控在很多场景中得到应用[7]
杭州电子科技大学硕士学位论文4速度向量的模来判断跌倒和非跌倒。文献[40]等人利用嵌入式设备采集加速度数据，在服务端进行数据预处理后判断跌倒。文献[41]等人利用三轴加速度长安器实时获取姿态数据，通过计算人体落地时的角度变化进而判定跌倒。尽管这些可穿戴传感器具有高灵敏度和良好的实时特性，但由于手或手腕的各种活动的干扰，通常无法实现更高的检测精度。因此，仅依靠可穿戴传感器数据很容易引起误判和漏检。图1.2可穿戴式传感器设备其次，一些学者使用环境传感器来检测跌倒。文献[42]提出了一种可以定位特定语音原始来源的相位变换（SRP-PHAT）方法。在声音分类阶段，他们将梅尔频率倒谱系数（MFCC）功能与最近邻（NN）方法结合使用，以改善跌倒检测性能。然而昂贵的声学设备对环境有很高的要求，并且在某些环境噪声下难以进行精确检测。文献[43]采用声学局部三态模式（acoustic-LTPs）通过分析环境声音来检测跌倒事件。通过从原始音频中提取声学特征利用基于SVM的分类器识别跌倒事件。文献[44]利用压力穿拿起和声音传感器获取压力数据和声音音频，根据人体跌倒时数据的变化来判断跌倒。但是，由于在音频信号采集过程中难免引入噪声，这可能导致精度降低和误检。第三，基于计算机视觉的跌倒检测通常使用图像处理技术来构建人体模型以检测跌倒，如图1.3所示。文献[45]使用基于轮廓的模板匹配来区分人和非人，然后根据人体外部矩形的顶部和中心之间的距离判断人的跌倒。文献[46]利用图像处理技术获取人体轮廓，利用轮廓的坐标点提取相关跌倒特征判断跌倒。文献[47]利用深度相机获取人体姿态数据，通过人体跌倒时的身体方向和形态的变化来判断跌倒。文献[48]提出将人体三维姿态输入至两个LSTM网络中，利用双向信息传?
杭州电子科技大学硕士学位论文5图1.3利用图像处理获取的人体轮廓1.3本课题的主要研究内容和工作1.3.1现有跌倒检测算法的问题随着计算机技术的发展和互联网的普及，医疗行业打破时空限制，朝着“智慧医疗”的方向发展。利用互联网技术，老人在日常生活中可以不受时间和空间的限制，借助于各种可穿戴设备以及分布广泛的视频监控，将老人跌倒时的姿态信息上传到服务器，通过相关算法检测出异常跌倒行为后反馈给子女及医院，不需要子女或者医护人员的时刻看护，让老人在家中过上高质量、高享受的生活，因此开展基于姿态估计的跌倒检测具有重要意义。然而，目前基于姿态估计的跌倒检测算法有以下问题和难点：1）已有的基于可穿戴传感器的跌倒检测的准确度在很大程度上取决于传感器数据的精度及跌倒特征值的提取，而现有的提取方式大多以人工主观选择为主，检测的准确度极易受主观臆想影响，存在很大局限，而且传感器易受环境影响，仅依靠单一的传感器数据集检测，容易造成误判。2）已有的基于视觉的检测系统大致分为两类：基于机器学习的跌倒检测和基于深度学习模型的跌倒检测。前者主要利用图像处理技术提取人体姿态特征利用机器学习的方法判别，检测准确度过分依赖于特征值，而且提取过程容易受光照变化等环境的影响；后者主要通过深度学习模型大量学习每一帧跌倒图像，然后提取出像素级别的跌倒特征进行判断，而视频每一帧和跌倒相关的像素点没有涉及所有像素点，大量的冗余信息增加了计算量，减慢了数据处理速度。3）已有的基于视觉的检测系统主要采用Kinect深度相机采集视频图像，不仅能获得获得普通视频数据还能得到深度数据，检测效果较好但是Kinect深度相机价格高昂，推广性较低，实际应用不大。4）已有的跌倒检测系统大多将图像、传感
【参考文献】：
期刊论文
[1]融合交互信息和能量特征的三维复杂人体行为识别[J]. 王永雄,曾艳,李璇,尹钟,张孙杰,刘丽. 小型微型计算机系统. 2018(08)
[2]我国城市老年人跌倒状况及其影响因素研究[J]. 丁志宏,杜书然,王明鑫. 人口与发展. 2018(04)
[3]基于多媒体技术的三维人物图像动态重构[J]. 李天峰. 现代电子技术. 2018(09)
[4]基于多特征分析的摔倒检测算法设计[J]. 高苗,朱苏磊. 上海师范大学学报(自然科学版). 2018(02)
[5]国内外老年人害怕跌倒干预的研究进展[J]. 毛翠. 中华现代护理杂志. 2018 (07)
[6]我国人口老龄化现状、趋势与建议[J]. 胡杰成. 中国经贸导刊. 2017(12)
[7]独居与非独居老人生存质量及其影响因素[J]. 毛晨峰,陈静,杨涛,王育娟,王晓培,周伟洁,翁小瑜,黄仙红. 中国老年学杂志. 2016(23)
[8]基于OpenCV的老人跌倒检测的设计和实现[J]. 宋菲,薛质. 信息技术. 2015(11)
[9]基于嵌入式视频监控的摔倒检测系统的设计[J]. 白云飞,李瞡,何金龙. 电视技术. 2014(15)
[10]跌倒检测系统的研究进展[J]. 郑娱,鲍楠,徐礼胜,林晓州,黄停,窦元珠. 中国医学物理学杂志. 2014(04)
博士论文
[1]视频中人体姿态估计、跟踪与行为识别研究[D]. 马淼.山东大学 2017
[2]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
硕士论文
[1]基于三维人体姿态估计的老人跌倒检测[D]. 彭泽.郑州大学 2019
[2]基于多特征融合和机器学习的摔倒检测[D]. 樊梦丹.南昌大学 2018
[3]基于视频监控的室内跌倒行为的检测与识别研究[D]. 刘非非.山东大学 2016
[4]基于视频的室内老人摔倒检测研究[D]. 禹明娟.杭州电子科技大学 2016
[5]基于计算机视觉的室内跌倒检测[D]. 卢耿霞.广东工业大学 2015
[6]基于视频分析的室内人体跌倒检测方法的实现[D]. 沈秉乾.华南理工大学 2013
[7]基于关节点提取和多视角特征层融合的人体动作识别[D]. 蔡建军.燕山大学 2012
[8]基于多传感器的老人跌倒检测系统的研究与应用[D]. 薛源.武汉理工大学 2011
本文编号：3508847
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3508847.html
