跌倒作為老年群體中頻發(fā)的具有高危險(xiǎn)系數(shù)的異常行為,不僅會(huì)嚴(yán)重影響老年人的身心健康,還會(huì)給公共衛(wèi)生事業(yè)帶來巨大的壓力。人工看護(hù)效果雖然好,但需要耗費(fèi)大量的精力且效率非常低。隨著攝像頭等監(jiān)控設(shè)備的普及,人體行為活動(dòng)可以被記錄在視頻數(shù)據(jù)中。因此基于視頻的人體行為研究具有重要的研究價(jià)值和社會(huì)意義。為了有效地從日常行為中區(qū)分出跌倒,本文對(duì)目標(biāo)檢測及行為特征提取,跌倒判別和基于上下文的視頻跌倒檢測進(jìn)行了研究,主要工作內(nèi)容如下:（1）目標(biāo)檢測及行為特征提取:現(xiàn)有的大多數(shù)跌倒檢測方法在前景目標(biāo)提取過程中穩(wěn)定性不強(qiáng),容易受到運(yùn)動(dòng)背景等因素干擾,導(dǎo)致前景檢測效果差。另外人體行為活動(dòng)復(fù)雜多樣,提取的行為特征單一或不具有代表性則無法獲得較好的檢測效果。對(duì)此本文首先采用YOLO v3模型檢測并定位出場景中的目標(biāo)對(duì)象-人體。在此基礎(chǔ)上對(duì)室內(nèi)人體行為活動(dòng)進(jìn)行分析,根據(jù)人眼視覺認(rèn)知特性提取人體形態(tài)比、運(yùn)動(dòng)速度、中心高度及其變化率等表征效果好的行為特征,融合成具有時(shí)序信息的行為特征序列用于檢測跌倒。（2）跌倒判別:傳統(tǒng)的跌倒方法大多是對(duì)單幀圖像進(jìn)行動(dòng)作判別,沒有考慮圖像間的時(shí)序信息。對(duì)此提出使用卷積神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)特征數(shù)... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１我國２０１０－２０２５年老年人口數(shù)量趨勢(shì)變化??隨著老年人口的快速增長，獨(dú)居和空巢老人增速加快、比重增高，老年人??

觸的傳感設(shè)備如三軸加速度計(jì)、陀螺儀等收集的運(yùn)動(dòng)信息、姿態(tài)信息等來??檢測跌倒。２、基于環(huán)境設(shè)備的跌倒檢測方法，這類方法主要是通過在場景環(huán)境??中安裝監(jiān)測環(huán)境的傳感設(shè)備如雷達(dá)、振動(dòng)傳感器等來收集環(huán)境信息、人體姿勢(shì)??信息等檢測跌倒。３、基于計(jì)算機(jī)視覺設(shè)備的跌倒檢測方法，這類方法主要是通??過攝像機(jī)對(duì)被測場景進(jìn)行連續(xù)監(jiān)控，再對(duì)視頻數(shù)據(jù)進(jìn)行處理提取人體形態(tài)、運(yùn)??動(dòng)等信息來檢測跌倒。雖然上述跌倒檢測方法在數(shù)據(jù)采集途徑、數(shù)據(jù)處理、檢??測算法原理方面不盡相同，但總的檢測框架大體相同，其流程如圖１．２所示。??穿鍛式代感設(shè)備＾??????????場誤環(huán)堵傳感器一一？?＾??？?ｒ????Ｉｆｅ－?取?測?療??堪于視覺攝像機(jī)」????????圖１．２跌倒檢測方法的框架??（１）基于穿戴設(shè)備的跌倒檢測方法??２??

體，為下一步的人體行??為特征提取提供可靠性。另外，由于人體行為具有復(fù)雜多樣的特性，動(dòng)作的類??內(nèi)、類間變化差異太大，對(duì)于大多數(shù)的動(dòng)作，即使是同一類別的動(dòng)作都有不同??的表現(xiàn)形式，所以提取的行為特征單一或缺乏代表性則無法有效地描述人體行??為活動(dòng)，影響檢測的準(zhǔn)確率。因此我們針對(duì)室內(nèi)日常行為和跌倒行為進(jìn)行分析，??根據(jù)人眼的視覺認(rèn)知特性從人體外觀和運(yùn)動(dòng)方面綜合地提取行為表征能力強(qiáng)的??特征描述子，并融合成具有時(shí)間信息的行為特征序列用于跌倒檢測。本文所提??出的多跌倒行為特征提取框架如圖２．１所示。??！?ｓｅｅ?二－二二二二二二?ｒ?二＾??；?＾?ＤＤＬ?１?－ｆ＾ｉ｜?１??了?．??．二＇?．一?＂，心??｜?＾?＾?▼?▲?行為柃征提取??｜?；?Ｒｅｓ４?—＂＾［ｃｏｎｖｓ?＾?紐１?｜?雜２?｜?…｜?娜ｎ??｜?視頻袖序列?丨?Ｄａｒｋｎｅｔ－５３?衫Ｕ＊雨琍??１???ｙ標(biāo)檢測?丨?．＜丁觸．充湖??１?１??圖２．１多跌倒行為特征提取框架圖??２．２基于ＹＯＬＯ?ｖ３的目標(biāo)檢測??提取感興趣的前景目標(biāo)是跌倒檢測方法中非常關(guān)鍵的步驟，準(zhǔn)確提取場景??８??

【參考文獻(xiàn)】：
期刊論文
[1]基于嵌入式視覺的摔倒警報(bào)系統(tǒng)設(shè)計(jì)與研究[J]. 付可可,劉維來.  工業(yè)控制計(jì)算機(jī). 2018(09)
[2]基于SVM與多數(shù)據(jù)集的摔倒檢測方法研究[J]. 陳翔,楊明靜.  信息通信. 2018(04)
[3]基于多特征分析的摔倒檢測算法設(shè)計(jì)[J]. 高苗,朱蘇磊.  上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[4]基于自回歸模型和神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法[J]. 谷志瑜,劉建明,李建鐸.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(02)
[5]基于深度數(shù)據(jù)分析的室內(nèi)老人摔倒檢測方法[J]. 楊磊,張文強(qiáng),任衍允.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[6]基于圖像語義分割和CNN模型的老人跌倒檢測[J]. 趙斌,鮑天龍,朱明.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(10)
[7]基于卡爾曼濾波與k-NN算法的可穿戴跌倒檢測技術(shù)研究[J]. 何堅(jiān),周明我,王曉懿.  電子與信息學(xué)報(bào). 2017(11)
[8]基于Kinect體感傳感器的老年人跌倒自動(dòng)檢測[J]. 瞿暢,孫杰,王君澤,朱小龍.  傳感技術(shù)學(xué)報(bào). 2016(03)
[9]人的視覺行為識(shí)別研究回顧、現(xiàn)狀及展望[J]. 單言虎,張彰,黃凱奇.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[10]基于STM32可穿戴式老人摔倒及其生理檢測系統(tǒng)設(shè)計(jì)[J]. 奚維立,鄭仲龍,王利利.  科技創(chuàng)新導(dǎo)報(bào). 2015(29)

碩士論文
[1]基于機(jī)器學(xué)習(xí)算法的摔倒檢測和日常行為識(shí)別研究[D]. 彭英力.東華大學(xué) 2016



本文編號(hào)：3213457