基于人體頭身的多特征融合和深度學(xué)習(xí)的摔倒檢測(cè)
發(fā)布時(shí)間:2021-01-19 04:05
伴隨人口老齡化的加劇,老年人健康問(wèn)題越來(lái)越受關(guān)注。摔倒對(duì)于老年人來(lái)說(shuō)是一個(gè)致命的危險(xiǎn),特別是對(duì)于空巢老人。如果老年人發(fā)生摔倒未得及時(shí)搶救,將有可能造成生命危險(xiǎn)。因此研究出一個(gè)摔倒檢測(cè)系統(tǒng),能夠準(zhǔn)確檢測(cè)老年人摔倒并發(fā)出警報(bào),這無(wú)疑具有重要價(jià)值。近年來(lái),隨著計(jì)算機(jī)視覺(jué)的發(fā)展,在基于視頻的行為識(shí)別技術(shù)領(lǐng)域也得到了極快的發(fā)展,已經(jīng)有很多先進(jìn)的算法能夠準(zhǔn)確地分類出各種行為。摔倒檢測(cè)作為一種異常行為,如果將這些技術(shù)應(yīng)用在摔倒行為檢測(cè)中將具有重要的科研價(jià)值和現(xiàn)實(shí)意義。本文旨在對(duì)傳統(tǒng)的基于幾何特征的摔倒檢測(cè)方法存在的一些問(wèn)題進(jìn)行了研究。一是幾何特征不穩(wěn)定,無(wú)法識(shí)別一些相似的活動(dòng)。大部分這類算法只使用了一個(gè)全局幾何形狀來(lái)表達(dá)行人,難以提取出具有代表性的特征來(lái)分類一些和摔倒相似的活動(dòng)。二是在摔倒分類的方法中,使用傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)和線性判別的方法準(zhǔn)確度不高。而目前一些使用深度學(xué)習(xí)的方法準(zhǔn)確率很高,但模型復(fù)雜需要花大量的訓(xùn)練時(shí)間,難以達(dá)到實(shí)時(shí)的要求。因此本文就這些問(wèn)題提出了一種基于人體頭身的多特征融合和深度學(xué)習(xí)的摔倒檢測(cè)方法。針對(duì)幾何特征的不穩(wěn)定,難于區(qū)分相似活動(dòng)等問(wèn)題。本文提出將頭身分割再分別提取頭部和軀干的...
【文章來(lái)源】:南昌大學(xué)江西省 211工程院校
【文章頁(yè)數(shù)】:54 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
前景檢測(cè)結(jié)果圖
圖 2.2 頭部預(yù)定位圖如圖 2.2 所示,先從輸入的圖像中獲得前景,再通過(guò)頭和身的比例將頭前景分割出來(lái),最后通過(guò)邊框擬合獲得頭部初始的大概位置。2.3.2.3 頭部跟蹤結(jié)果通過(guò)預(yù)定位操作獲得頭部的初始位置后,再使用均值漂移跟蹤算法進(jìn)行部的分割頭部跟蹤的結(jié)果如圖 2.3 所示。(a) (b) (c)
圖 2.2 頭部預(yù)定位圖如圖 2.2 所示,先從輸入的圖像中獲得前景,再通過(guò)頭和身的比例將頭分割出來(lái),最后通過(guò)邊框擬合獲得頭部初始的大概位置。.2.3 頭部跟蹤結(jié)果通過(guò)預(yù)定位操作獲得頭部的初始位置后,再使用均值漂移跟蹤算法進(jìn)行分割頭部跟蹤的結(jié)果如圖 2.3 所示。
本文編號(hào):2986305
【文章來(lái)源】:南昌大學(xué)江西省 211工程院校
【文章頁(yè)數(shù)】:54 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
前景檢測(cè)結(jié)果圖
圖 2.2 頭部預(yù)定位圖如圖 2.2 所示,先從輸入的圖像中獲得前景,再通過(guò)頭和身的比例將頭前景分割出來(lái),最后通過(guò)邊框擬合獲得頭部初始的大概位置。2.3.2.3 頭部跟蹤結(jié)果通過(guò)預(yù)定位操作獲得頭部的初始位置后,再使用均值漂移跟蹤算法進(jìn)行部的分割頭部跟蹤的結(jié)果如圖 2.3 所示。(a) (b) (c)
圖 2.2 頭部預(yù)定位圖如圖 2.2 所示,先從輸入的圖像中獲得前景,再通過(guò)頭和身的比例將頭分割出來(lái),最后通過(guò)邊框擬合獲得頭部初始的大概位置。.2.3 頭部跟蹤結(jié)果通過(guò)預(yù)定位操作獲得頭部的初始位置后,再使用均值漂移跟蹤算法進(jìn)行分割頭部跟蹤的結(jié)果如圖 2.3 所示。
本文編號(hào):2986305
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2986305.html
最近更新
教材專著