本文關(guān)鍵詞：基于人體姿態(tài)時空變化的摔倒事件檢測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著智能視頻監(jiān)控分析技術(shù)的不斷發(fā)展,面向人的行為的檢測分析研究也不斷展開,而家居安全正是其中重要的一部分。利用視頻圖像分析來檢測摔倒等意外事件的發(fā)生,對于老人家居安全無疑有著重要意義。本文首先針對視頻監(jiān)控領(lǐng)域的人體目標(biāo)檢測方法進(jìn)行了分析和研究,針對直立行人檢測中HOG算法計算量較大,實時性較差的問題,選擇了CENTRIST算法進(jìn)行實時行人檢測算法的開發(fā)工作,并在海思Hi3516平臺上進(jìn)行了移植。考慮到摔倒事件中存在非直立姿態(tài)的人體,并且人體姿態(tài)的多樣性會導(dǎo)致整個人體檢測的誤檢率和漏檢率升高,本文研究了基于人體部位的人體姿態(tài)Poselet檢測方法。Poselet作為人體整體或某一部位的特定姿態(tài),可通過關(guān)節(jié)點標(biāo)注、部位相似度度量后獲取訓(xùn)練樣本,提取HOG特征并使用線性SVM作為分類器進(jìn)行訓(xùn)練,來對人體目標(biāo)特定的部位姿態(tài)進(jìn)行檢測。針對原有Poselet樣本庫的不足,本文首先擴(kuò)充了摔倒事件檢測所需的Poselet樣本,使樣本庫更適合于摔倒場景下的檢測,然后訓(xùn)練得到不同軀干角度的新Poselet分類器并進(jìn)行了實驗。結(jié)果表明,使用本文的Poselet分類器能較好地檢測出彎腰、躺倒等特殊姿態(tài)下的人體目標(biāo),從而檢測人體的不同姿態(tài)并作為下一步摔倒事件檢測的基礎(chǔ)。針對摔倒事件發(fā)生時人體姿態(tài)時空變化的特點,如頭部、軀干等部位存在隨時間變化的相對位置關(guān)系,本文研究了人體在不同姿態(tài)中關(guān)鍵部位的空間位置和角度分布,用狀態(tài)機(jī)模型來表示不同姿態(tài)間的轉(zhuǎn)換,提出了一種基于人體部位時空變化的姿態(tài)檢測和摔倒事件檢測方法,通過實驗驗證分析,該方法對不同的姿態(tài)有著較好的辨識度,能夠較好地檢測人體姿態(tài)的變化情況,從而檢測摔倒事件的發(fā)生。
【關(guān)鍵詞】：行人檢測 摔倒 姿態(tài) Poselet 狀態(tài)機(jī)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-12
• 第一章 緒論12-16
• 1.1 研究背景與意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-14
• 1.3 本文的主要工作14-15
• 1.4 論文結(jié)構(gòu)安排15-16
• 第二章 整體行人檢測16-35
• 2.1 行人檢測主要方法16-18
• 2.1.1 整體模型法16-17
• 2.1.2 多部位模型法17-18
• 2.2 基于HOG特征的行人檢測18-23
• 2.2.1 算法原理18
• 2.2.2 算法流程18-23
• 2.3 基于CENTRIST特征的行人檢測23-27
• 2.3.1 CENTRIST算子定義24-25
• 2.3.2 快速掃描方法25-27
• 2.4 基于Hi3516嵌入式平臺的CENTRIST算法實現(xiàn)27-33
• 2.4.1 平臺介紹27-29
• 2.4.2 算法移植29-33
• 2.5 本章小結(jié)33-35
• 第三章 人體局部部位檢測35-48
• 3.1 Poselet檢測方法簡介35-39
• 3.1.1 部位定義35-37
• 3.1.2 樣本獲取37-38
• 3.1.3 分類器訓(xùn)練38-39
• 3.2 基于Poselet的人體局部姿態(tài)檢測39-47
• 3.2.1 適用于摔倒檢測的Poselet選取和訓(xùn)練40-45
• 3.2.2 人體部位檢測實驗結(jié)果45-47
• 3.3 本章小結(jié)47-48
• 第四章 摔倒事件檢測算法設(shè)計與實現(xiàn)48-69
• 4.1 摔倒事件的典型特征分析48-50
• 4.1.1 人體寬高比48-49
• 4.1.2 中心變化率49
• 4.1.3 有效面積比49-50
• 4.1.4 頭部運動軌跡50
• 4.1.5 局部姿態(tài)變化50
• 4.2 摔倒檢測的主要算法50-53
• 4.2.1 基于人體寬高比、中心變化率和有效面積比的檢測51
• 4.2.2 基于輪廓特征的檢測51-53
• 4.3 基于人體姿態(tài)時空變化的摔倒事件檢測53-64
• 4.3.1 摔倒事件中人體姿態(tài)變化特點53
• 4.3.2 姿態(tài)變化的時空域分析53-58
• 4.3.3 基于姿態(tài)時空變化的狀態(tài)機(jī)建模58-62
• 4.3.4 基于狀態(tài)機(jī)模型的事件檢測算法62-64
• 4.4 實驗結(jié)果分析64-68
• 4.4.1 姿態(tài)識別結(jié)果66-67
• 4.4.2 摔倒事件檢測結(jié)果67-68
• 4.5 本章小結(jié)68-69
• 第五章 總結(jié)與展望69-71
• 5.1 本文工作總結(jié)69-70
• 5.2 后續(xù)工作展望70-71
• 參考文獻(xiàn)71-74
• 致謝74-75
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文75-77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 張春鳳;宋加濤;王萬良;;行人檢測技術(shù)研究綜述[J];電視技術(shù);2014年03期

2 楊帆;謝靖;周余;王自強;;基于頭部運動軌跡和3D視覺的跌倒檢測系統(tǒng)[J];現(xiàn)代電子技術(shù);2012年02期

  本文關(guān)鍵詞：基于人體姿態(tài)時空變化的摔倒事件檢測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：259431