隨著社會的進步與科技的發(fā)展,人們的生活環(huán)境和社會醫(yī)療保障有了很大的改善,使得人類的壽命較以前有了較長的延伸,老年人的健康監(jiān)護問題也隨之凸顯。摔倒是造成老年人意外受傷的主要原因,很多老人因摔倒而傷殘甚至死亡,因此研究摔倒檢測技術(shù)具有非常重要的意義。近年來基于計算機視覺的摔倒檢測大多數(shù)都是使用可見光圖像,這導(dǎo)致摔倒檢測系統(tǒng)在光照條件不好或夜晚的環(huán)境中檢測效果差,無法工作等。紅外圖像具有不受光照影響,抗干擾性強,能夠全天候工作等特性,因此提出了一種紅外圖像下的人體摔倒檢測方法,通過紅外相機獲取人體摔倒的紅外圖像,然后使用基于關(guān)鍵點的目標檢測方法實現(xiàn)人體摔倒檢測。本文的研究內(nèi)容如下:首先研究了紅外圖像的特點與預(yù)處理方法,結(jié)合本文所采用的紅外相機成像特點對紅外圖像進行了去噪和線性拉伸等預(yù)處理,結(jié)果顯示紅外圖像質(zhì)量較好,目標清晰沒有過多的噪聲,為后面的摔倒檢測奠定了基礎(chǔ)。其次,本文研究公開的人體摔倒數(shù)據(jù)集,對其拍攝方式和內(nèi)容進行了研究,發(fā)現(xiàn)目前的摔倒數(shù)據(jù)集圖像中都是單人,摔倒姿勢一般為向前向后摔或者側(cè)摔且沒有遮擋情況,比較單一。針對上述的問題,本文通過使用紅外相機建立人體摔倒場景,錄制了紅外圖像人... 

【文章來源】：西南科技大學四川省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

紅外圖

重要的，也為后面紅外圖像人體摔倒數(shù)據(jù)處理做好準備。本文對紅外圖像進行了均值濾波和中值濾波實驗，通過實驗對比發(fā)現(xiàn)中值濾波對紅外圖像的去噪效果更好，在去除噪聲的同時保留了更多的邊緣信息和細節(jié)。下圖展示了圖像去噪方法的實驗效果。 (a)原圖 (b)均值濾波效果

濾波前后

【參考文獻】：
期刊論文
[1]基于SVM和閾值分析法的摔倒檢測系統(tǒng)[J]. 陳瑋,周晴,曹桂濤.  計算機應(yīng)用與軟件. 2017(07)
[2]淺談家用服務(wù)機器人的現(xiàn)在和未來[J]. 鄭偉,劉學彬,任保飛.  內(nèi)蒙古煤炭經(jīng)濟. 2017(09)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法[J]. 黃斌,盧金金,王建華,吳星明,陳偉海.  計算機應(yīng)用. 2016(12)
[4]養(yǎng)老院安全管理的現(xiàn)狀與建議——基于徐州地區(qū)的實地調(diào)研[J]. 朱峻熙,周仕通.  農(nóng)村經(jīng)濟與科技. 2016(17)
[5]基于OpenCV的老人跌倒檢測的設(shè)計和實現(xiàn)[J]. 宋菲,薛質(zhì).  信息技術(shù). 2015(11)
[6]基于改進Fisher準則的深度卷積神經(jīng)網(wǎng)絡(luò)識別算法[J]. 孫艷豐,齊光磊,胡永利,趙璐.  北京工業(yè)大學學報. 2015(06)
[7]中國老齡化時代下的新型養(yǎng)老社區(qū)設(shè)計模式初探[J]. 鄒蕓鸝.  藝術(shù)科技. 2015(02)
[8]人體姿勢狀態(tài)判決的跌倒檢測方法[J]. 沈秉乾,武志勇,賀前華,李磊.  計算機應(yīng)用. 2014(S1)
[9]基于智能手機的人體跌倒檢測系統(tǒng)設(shè)計[J]. 吳志強,曹蕾,王凱,呂慶文.  計算機工程與設(shè)計. 2014(04)
[10]基于直方圖主成分變化檢測的跟蹤算法[J]. 劉振濤,王朝英,劉衛(wèi)群.  計算機工程. 2012(04)

博士論文
[1]基于深度學習的紅外圖像語義分割技術(shù)研究[D]. 王晨.中國科學院大學(中國科學院上海技術(shù)物理研究所) 2017

碩士論文
[1]基于車載紅外圖像的目標檢測系統(tǒng)[D]. 林旭鵬.北京交通大學 2019
[2]基于視頻的摔倒檢測算法設(shè)計與實現(xiàn)[D]. 趙德亮.西安電子科技大學 2018
[3]基于視覺的老人跌倒檢測系統(tǒng)設(shè)計與研究[D]. 袁杰.江西理工大學 2018
[4]基于車載視覺系統(tǒng)的目標檢測優(yōu)化算法研究[D]. 樂國慶.北京交通大學 2017
[5]基于視頻的多特征融合摔倒檢測算法研究[D]. 劉皓.重慶大學 2017
[6]紅外圖像顯著性檢測方法研究[D]. 覃仕宇.重慶郵電大學 2017
[7]紅外圖像的目標檢測與識別方法研究[D]. 李靜靜.沈陽理工大學 2013



本文編號：3523557