由于我國人口老齡化、空巢化、獨居化的發(fā)展趨勢,老人的監(jiān)護成為當(dāng)前社會亟待解決的問題。由于老年人各方面生理機能的下降,在遇到意外情況發(fā)生跌倒時,如果沒有醫(yī)護人員的及時救治,極有可能因為錯過了最佳搶救時間而危及生命。通過跌倒檢測現(xiàn)有研究現(xiàn)狀的調(diào)研,本文提出了一種基于姿態(tài)估計的異常跌倒檢測系統(tǒng)方案,利用MEMS傳感器和攝像頭同步獲取姿態(tài)數(shù)據(jù),預(yù)處理后提取跌倒特征,利用改進的跌倒檢測算法進行判斷,同時監(jiān)護人員可以通過用戶交互界面追蹤老人的實時狀態(tài),實現(xiàn)全方位的室內(nèi)監(jiān)護。主要工作內(nèi)容如下:（1）研究了數(shù)據(jù)預(yù)處理及特征提取方法,包含視頻數(shù)據(jù)的采集及預(yù)處理、MEMS傳感器數(shù)據(jù)的采集及預(yù)處理、跌倒特征提取方法三個部分。通過相機獲取原始視頻圖像并經(jīng)過Open Pose處理后得到人體關(guān)鍵點數(shù)據(jù),再經(jīng)過缺失數(shù)據(jù)處理得到視頻數(shù)據(jù)集。利用設(shè)計與研制的MEMS傳感器獲取加速度數(shù)據(jù)集,將其與視頻數(shù)據(jù)同步后再拼接成融合數(shù)據(jù)集,然后利用滑動窗口得到人體行為矩陣,最后進行跌倒特征提取。（2）提出一種二次判別的跌倒檢測算法,在傳統(tǒng)機器學(xué)習(xí)模型的決策層設(shè)置閾值進行初次判別后,再利用改進的深度學(xué)習(xí)模型進行二次判別。本文算法首先... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

老人跌倒相因素隨著計算機科技，通信技術(shù)的發(fā)展，視頻監(jiān)控在很多場景中得到應(yīng)用[7]

杭州電子科技大學(xué)碩士學(xué)位論文4速度向量的模來判斷跌倒和非跌倒。文獻[40]等人利用嵌入式設(shè)備采集加速度數(shù)據(jù)，在服務(wù)端進行數(shù)據(jù)預(yù)處理后判斷跌倒。文獻[41]等人利用三軸加速度長安器實時獲取姿態(tài)數(shù)據(jù)，通過計算人體落地時的角度變化進而判定跌倒。盡管這些可穿戴傳感器具有高靈敏度和良好的實時特性，但由于手或手腕的各種活動的干擾，通常無法實現(xiàn)更高的檢測精度。因此，僅依靠可穿戴傳感器數(shù)據(jù)很容易引起誤判和漏檢。圖1.2可穿戴式傳感器設(shè)備其次，一些學(xué)者使用環(huán)境傳感器來檢測跌倒。文獻[42]提出了一種可以定位特定語音原始來源的相位變換（SRP-PHAT）方法。在聲音分類階段，他們將梅爾頻率倒譜系數(shù)（MFCC）功能與最近鄰（NN）方法結(jié)合使用，以改善跌倒檢測性能。然而昂貴的聲學(xué)設(shè)備對環(huán)境有很高的要求，并且在某些環(huán)境噪聲下難以進行精確檢測。文獻[43]采用聲學(xué)局部三態(tài)模式（acoustic-LTPs）通過分析環(huán)境聲音來檢測跌倒事件。通過從原始音頻中提取聲學(xué)特征利用基于SVM的分類器識別跌倒事件。文獻[44]利用壓力穿拿起和聲音傳感器獲取壓力數(shù)據(jù)和聲音音頻，根據(jù)人體跌倒時數(shù)據(jù)的變化來判斷跌倒。但是，由于在音頻信號采集過程中難免引入噪聲，這可能導(dǎo)致精度降低和誤檢。第三，基于計算機視覺的跌倒檢測通常使用圖像處理技術(shù)來構(gòu)建人體模型以檢測跌倒，如圖1.3所示。文獻[45]使用基于輪廓的模板匹配來區(qū)分人和非人，然后根據(jù)人體外部矩形的頂部和中心之間的距離判斷人的跌倒。文獻[46]利用圖像處理技術(shù)獲取人體輪廓，利用輪廓的坐標(biāo)點提取相關(guān)跌倒特征判斷跌倒。文獻[47]利用深度相機獲取人體姿態(tài)數(shù)據(jù)，通過人體跌倒時的身體方向和形態(tài)的變化來判斷跌倒。文獻[48]提出將人體三維姿態(tài)輸入至兩個LSTM網(wǎng)絡(luò)中，利用雙向信息傳?

杭州電子科技大學(xué)碩士學(xué)位論文5圖1.3利用圖像處理獲取的人體輪廓1.3本課題的主要研究內(nèi)容和工作1.3.1現(xiàn)有跌倒檢測算法的問題隨著計算機技術(shù)的發(fā)展和互聯(lián)網(wǎng)的普及，醫(yī)療行業(yè)打破時空限制，朝著“智慧醫(yī)療”的方向發(fā)展。利用互聯(lián)網(wǎng)技術(shù)，老人在日常生活中可以不受時間和空間的限制，借助于各種可穿戴設(shè)備以及分布廣泛的視頻監(jiān)控，將老人跌倒時的姿態(tài)信息上傳到服務(wù)器，通過相關(guān)算法檢測出異常跌倒行為后反饋給子女及醫(yī)院，不需要子女或者醫(yī)護人員的時刻看護，讓老人在家中過上高質(zhì)量、高享受的生活，因此開展基于姿態(tài)估計的跌倒檢測具有重要意義。然而，目前基于姿態(tài)估計的跌倒檢測算法有以下問題和難點：1）已有的基于可穿戴傳感器的跌倒檢測的準(zhǔn)確度在很大程度上取決于傳感器數(shù)據(jù)的精度及跌倒特征值的提取，而現(xiàn)有的提取方式大多以人工主觀選擇為主，檢測的準(zhǔn)確度極易受主觀臆想影響，存在很大局限，而且傳感器易受環(huán)境影響，僅依靠單一的傳感器數(shù)據(jù)集檢測，容易造成誤判。2）已有的基于視覺的檢測系統(tǒng)大致分為兩類：基于機器學(xué)習(xí)的跌倒檢測和基于深度學(xué)習(xí)模型的跌倒檢測。前者主要利用圖像處理技術(shù)提取人體姿態(tài)特征利用機器學(xué)習(xí)的方法判別，檢測準(zhǔn)確度過分依賴于特征值，而且提取過程容易受光照變化等環(huán)境的影響；后者主要通過深度學(xué)習(xí)模型大量學(xué)習(xí)每一幀跌倒圖像，然后提取出像素級別的跌倒特征進行判斷，而視頻每一幀和跌倒相關(guān)的像素點沒有涉及所有像素點，大量的冗余信息增加了計算量，減慢了數(shù)據(jù)處理速度。3）已有的基于視覺的檢測系統(tǒng)主要采用Kinect深度相機采集視頻圖像，不僅能獲得獲得普通視頻數(shù)據(jù)還能得到深度數(shù)據(jù)，檢測效果較好但是Kinect深度相機價格高昂，推廣性較低，實際應(yīng)用不大。4）已有的跌倒檢測系統(tǒng)大多將圖像、傳感

【參考文獻】：
期刊論文
[1]融合交互信息和能量特征的三維復(fù)雜人體行為識別[J]. 王永雄,曾艷,李璇,尹鐘,張孫杰,劉麗.  小型微型計算機系統(tǒng). 2018(08)
[2]我國城市老年人跌倒?fàn)顩r及其影響因素研究[J]. 丁志宏,杜書然,王明鑫.  人口與發(fā)展. 2018(04)
[3]基于多媒體技術(shù)的三維人物圖像動態(tài)重構(gòu)[J]. 李天峰.  現(xiàn)代電子技術(shù). 2018(09)
[4]基于多特征分析的摔倒檢測算法設(shè)計[J]. 高苗,朱蘇磊.  上海師范大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[5]國內(nèi)外老年人害怕跌倒干預(yù)的研究進展[J]. 毛翠.  中華現(xiàn)代護理雜志. 2018 (07)
[6]我國人口老齡化現(xiàn)狀、趨勢與建議[J]. 胡杰成.  中國經(jīng)貿(mào)導(dǎo)刊. 2017(12)
[7]獨居與非獨居老人生存質(zhì)量及其影響因素[J]. 毛晨峰,陳靜,楊濤,王育娟,王曉培,周偉潔,翁小瑜,黃仙紅.  中國老年學(xué)雜志. 2016(23)
[8]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)
[9]基于嵌入式視頻監(jiān)控的摔倒檢測系統(tǒng)的設(shè)計[J]. 白云飛,李瞡,何金龍.  電視技術(shù). 2014(15)
[10]跌倒檢測系統(tǒng)的研究進展[J]. 鄭娛,鮑楠,徐禮勝,林曉州,黃停,竇元珠.  中國醫(yī)學(xué)物理學(xué)雜志. 2014(04)

博士論文
[1]視頻中人體姿態(tài)估計、跟蹤與行為識別研究[D]. 馬淼.山東大學(xué) 2017
[2]基于深度機器學(xué)習(xí)的體態(tài)與手勢感知計算關(guān)鍵技術(shù)研究[D]. 杜宇.浙江大學(xué) 2017

碩士論文
[1]基于三維人體姿態(tài)估計的老人跌倒檢測[D]. 彭澤.鄭州大學(xué) 2019
[2]基于多特征融合和機器學(xué)習(xí)的摔倒檢測[D]. 樊夢丹.南昌大學(xué) 2018
[3]基于視頻監(jiān)控的室內(nèi)跌倒行為的檢測與識別研究[D]. 劉非非.山東大學(xué) 2016
[4]基于視頻的室內(nèi)老人摔倒檢測研究[D]. 禹明娟.杭州電子科技大學(xué) 2016
[5]基于計算機視覺的室內(nèi)跌倒檢測[D]. 盧耿霞.廣東工業(yè)大學(xué) 2015
[6]基于視頻分析的室內(nèi)人體跌倒檢測方法的實現(xiàn)[D]. 沈秉乾.華南理工大學(xué) 2013
[7]基于關(guān)節(jié)點提取和多視角特征層融合的人體動作識別[D]. 蔡建軍.燕山大學(xué) 2012
[8]基于多傳感器的老人跌倒檢測系統(tǒng)的研究與應(yīng)用[D]. 薛源.武漢理工大學(xué) 2011



本文編號：3508847