基于视频的跌倒人体目标识别研究

发布时间：2022-02-15 16:09

　　随着大范围的人口老龄化,跌倒正成为影响独居老年人健康的主要问题之一。通过科学有效的手段预防和检测老年人跌倒,从而减小跌倒对老年人的伤害已成为国内外新的研究热点,具有很高的研究价值和现实意义。计算机视觉技术的日益发展,使得非接触式检测独居老年人是否跌倒等异常行为的监护技术成为可能。本文的研究致力于通过图像分析人体异常行为的相关理论,探索解决人体跌倒检测的基本问题,从而进一步提高检测的准确性和救助的时效性。本文的主要工作及贡献总结如下:（1）通过构建前景与背景像素间的色度差异和亮度差异指标,将背景、前景及阴影进行分类识别,实现跌倒人体目标的提取。该方法可在检测人体目标的同时分离出运动的阴影区域。（2）为了解决人体目标呈离散状态时的定位问题,提出基于最小外包椭圆的定位算法。在定位椭圆的中心进行八方向统计后,可以导出描述人体姿态的规范化方向统计直方图;此外,还在感兴趣区域内提取了表示人体姿态的形状特征和统计特征。（3）采用有向无环图机制组合多个二分类支持向量机,实现跌倒过程中多种人体姿态的分类识别。该种组合机制充分发挥了支持向量机的二分类优势,将跌倒过程中的四种人体姿态由粗到细逐次归类,最终实... 

【文章来源】：天津大学天津市211工程院校985工程院校教育部直属院校

【文章页数】：157 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究的背景和意义
    1.2 国内外研究现状
        1.2.1 跌倒检测的基本问题
        1.2.2 研究现状
    1.3 主要研究内容和创新点
    1.4 本文的组织结构
第二章 运动人体目标的提取
    2.1 引言
    2.2 常用的运动目标检测算法
        2.2.1 背景差分法
        2.2.2 单高斯背景模型
        2.2.3 混合高斯背景模型
        2.2.4 视觉背景提取法
    2.3 阴影的分离
        2.3.1 基于混合高斯模型的算法
        2.3.2 基于颜色空间的算法
    2.4 基于颜色畸变的目标检测算法
        2.4.1 前景点与背景点的差异测度
        2.4.2 背景自身的差异波动
        2.4.3 像素点归类
    2.5 运动人体目标的提取实验
        2.5.1 跌倒人体目标的提取
        2.5.2 不同场景目标的提取
        2.5.3 不同阴影目标的提取
    2.6 本章总结
第三章 人体目标的定位与特征表示
    3.1 人体目标的定位
        3.1.1 基于统计矩的定位
        3.1.2 基于最小外包椭球的定位
        3.1.3 定位椭圆
        3.1.4 测试实验
    3.2 人体姿态的描述特征
        3.2.1 人体姿态的形状特征
        3.2.2 人体姿态统计特征
        3.2.3 跌倒的人体姿态
    3.3 特征分析
        3.3.1 慢变特征的学习问题
        3.3.2 慢特征分析算法
        3.3.3 慢特征函数学习
    3.4 累积特征表示
        3.4.1 累积特征
        3.4.2 计算复杂度分析
    3.5 本章总结
第四章 跌倒行为的识别
    4.1 基本概念
        4.1.1 线性分类器
        4.1.2 函数间隔与几何间隔
        4.1.3 最大间隔分类器
        4.1.4 参数求解
        4.1.5 正则化策略
    4.2 基于人体姿态分类的跌倒检测方案及实验
        4.2.1 分类器的结构设计
        4.2.2 测试环境及样本
        4.2.3 人体姿态的分类实验
        4.2.4 基于多数投票策略的跌倒检测
        4.2.5 小结
    4.3 基于慢特征分析的跌倒检测方案及实验
        4.3.1 数据集
        4.3.2 实验设计
        4.3.3 数据集-I的实验结果
        4.3.4 数据集-II的实验结果
        4.3.5 小结
    4.4 本章总结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
发表论文和参加科研情况说明
致谢


【参考文献】：
期刊论文
[1]老人跌倒监测定位装置的研究[J]. 刘欣然.  无线电通信技术. 2016(01)
[2]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[3]基于隐条件随机场的人体行为识别方法[J]. 鹿凯宁,孙琪,刘安安,杨兆选.  天津大学学报(自然科学与工程技术版). 2013(10)
[4]一种改进的自动摔倒检测算法[J]. 刘红,左常玲,黄江林.  安徽大学学报(自然科学版). 2012(06)
[5]基于时序分析的人体摔倒预测方法[J]. 佟丽娜,宋全军,葛运建.  模式识别与人工智能. 2012(02)
[6]一种可穿戴式跌倒检测装置设计[J]. 石欣,张涛.  仪器仪表学报. 2012(03)
[7]基于位置和运动轨迹的老年人异常行为检测[J]. 孔令富,李海涛.  计算机工程与设计. 2012(02)
[8]融合光流速度与背景建模的目标检测方法[J]. 张水发,张文生,丁欢,杨柳.  中国图象图形学报. 2011(02)
[9]基于弹性尺度的有向生长法的弥散型区域分割[J]. 王萍,张艳,侯谨毅,解以扬.  天津大学学报. 2010(05)
[10]人运动的视觉分析综述[J]. 王亮,胡卫明,谭铁牛.  计算机学报. 2002(03)



本文编号：3626927