發(fā)布時間：2022-02-15 16:09

　　隨著大范圍的人口老齡化,跌倒正成為影響獨居老年人健康的主要問題之一。通過科學有效的手段預防和檢測老年人跌倒,從而減小跌倒對老年人的傷害已成為國內(nèi)外新的研究熱點,具有很高的研究價值和現(xiàn)實意義。計算機視覺技術(shù)的日益發(fā)展,使得非接觸式檢測獨居老年人是否跌倒等異常行為的監(jiān)護技術(shù)成為可能。本文的研究致力于通過圖像分析人體異常行為的相關(guān)理論,探索解決人體跌倒檢測的基本問題,從而進一步提高檢測的準確性和救助的時效性。本文的主要工作及貢獻總結(jié)如下:（1）通過構(gòu)建前景與背景像素間的色度差異和亮度差異指標,將背景、前景及陰影進行分類識別,實現(xiàn)跌倒人體目標的提取。該方法可在檢測人體目標的同時分離出運動的陰影區(qū)域。（2）為了解決人體目標呈離散狀態(tài)時的定位問題,提出基于最小外包橢圓的定位算法。在定位橢圓的中心進行八方向統(tǒng)計后,可以導出描述人體姿態(tài)的規(guī)范化方向統(tǒng)計直方圖;此外,還在感興趣區(qū)域內(nèi)提取了表示人體姿態(tài)的形狀特征和統(tǒng)計特征。（3）采用有向無環(huán)圖機制組合多個二分類支持向量機,實現(xiàn)跌倒過程中多種人體姿態(tài)的分類識別。該種組合機制充分發(fā)揮了支持向量機的二分類優(yōu)勢,將跌倒過程中的四種人體姿態(tài)由粗到細逐次歸類,最終實... 

【文章來源】：天津大學天津市211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：157 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 跌倒檢測的基本問題
        1.2.2 研究現(xiàn)狀
    1.3 主要研究內(nèi)容和創(chuàng)新點
    1.4 本文的組織結(jié)構(gòu)
第二章 運動人體目標的提取
    2.1 引言
    2.2 常用的運動目標檢測算法
        2.2.1 背景差分法
        2.2.2 單高斯背景模型
        2.2.3 混合高斯背景模型
        2.2.4 視覺背景提取法
    2.3 陰影的分離
        2.3.1 基于混合高斯模型的算法
        2.3.2 基于顏色空間的算法
    2.4 基于顏色畸變的目標檢測算法
        2.4.1 前景點與背景點的差異測度
        2.4.2 背景自身的差異波動
        2.4.3 像素點歸類
    2.5 運動人體目標的提取實驗
        2.5.1 跌倒人體目標的提取
        2.5.2 不同場景目標的提取
        2.5.3 不同陰影目標的提取
    2.6 本章總結(jié)
第三章 人體目標的定位與特征表示
    3.1 人體目標的定位
        3.1.1 基于統(tǒng)計矩的定位
        3.1.2 基于最小外包橢球的定位
        3.1.3 定位橢圓
        3.1.4 測試實驗
    3.2 人體姿態(tài)的描述特征
        3.2.1 人體姿態(tài)的形狀特征
        3.2.2 人體姿態(tài)統(tǒng)計特征
        3.2.3 跌倒的人體姿態(tài)
    3.3 特征分析
        3.3.1 慢變特征的學習問題
        3.3.2 慢特征分析算法
        3.3.3 慢特征函數(shù)學習
    3.4 累積特征表示
        3.4.1 累積特征
        3.4.2 計算復雜度分析
    3.5 本章總結(jié)
第四章 跌倒行為的識別
    4.1 基本概念
        4.1.1 線性分類器
        4.1.2 函數(shù)間隔與幾何間隔
        4.1.3 最大間隔分類器
        4.1.4 參數(shù)求解
        4.1.5 正則化策略
    4.2 基于人體姿態(tài)分類的跌倒檢測方案及實驗
        4.2.1 分類器的結(jié)構(gòu)設計
        4.2.2 測試環(huán)境及樣本
        4.2.3 人體姿態(tài)的分類實驗
        4.2.4 基于多數(shù)投票策略的跌倒檢測
        4.2.5 小結(jié)
    4.3 基于慢特征分析的跌倒檢測方案及實驗
        4.3.1 數(shù)據(jù)集
        4.3.2 實驗設計
        4.3.3 數(shù)據(jù)集-I的實驗結(jié)果
        4.3.4 數(shù)據(jù)集-II的實驗結(jié)果
        4.3.5 小結(jié)
    4.4 本章總結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝


【參考文獻】：
期刊論文
[1]老人跌倒監(jiān)測定位裝置的研究[J]. 劉欣然.  無線電通信技術(shù). 2016(01)
[2]深度學習研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學學報. 2015(01)
[3]基于隱條件隨機場的人體行為識別方法[J]. 鹿凱寧,孫琪,劉安安,楊兆選.  天津大學學報(自然科學與工程技術(shù)版). 2013(10)
[4]一種改進的自動摔倒檢測算法[J]. 劉紅,左常玲,黃江林.  安徽大學學報(自然科學版). 2012(06)
[5]基于時序分析的人體摔倒預測方法[J]. 佟麗娜,宋全軍,葛運建.  模式識別與人工智能. 2012(02)
[6]一種可穿戴式跌倒檢測裝置設計[J]. 石欣,張濤.  儀器儀表學報. 2012(03)
[7]基于位置和運動軌跡的老年人異常行為檢測[J]. 孔令富,李海濤.  計算機工程與設計. 2012(02)
[8]融合光流速度與背景建模的目標檢測方法[J]. 張水發(fā),張文生,丁歡,楊柳.  中國圖象圖形學報. 2011(02)
[9]基于彈性尺度的有向生長法的彌散型區(qū)域分割[J]. 王萍,張艷,侯謹毅,解以揚.  天津大學學報. 2010(05)
[10]人運動的視覺分析綜述[J]. 王亮,胡衛(wèi)明,譚鐵牛.  計算機學報. 2002(03)



本文編號：3626927