復(fù)雜背景下人體跌倒檢測研究.pdf

1、隨著人口老齡化進程的加快，空巢和獨居現(xiàn)象也越來越普遍，如果老年人在家中發(fā)生意外跌倒，而得不到及時救治，很可能會造成嚴重的傷殘，甚至是死亡，因此關(guān)于跌倒檢測的研究就具有了重要的社會意義，已然成為目前國內(nèi)外的研究熱點。縱觀國內(nèi)外關(guān)于跌倒檢測的研究，多數(shù)基于視頻圖像序列，其需要進行大量的圖像處理和數(shù)據(jù)分析，造成了大量信息的冗余，從而影響了檢測的實時性，且其對背景的要求過高，如果背景復(fù)雜，則其檢測準確率會嚴重降低。
　　針對上述問題，本文

2、提出了一種復(fù)雜背景下的基于多特征融合的跌倒檢測方法，旨在更加迅速、準確的檢測出跌倒行為，為后續(xù)老年人的救治爭取到更多的時間，減小老年人因跌倒造成傷殘的可能性。論文的主要研究內(nèi)容包括:
　　1、人體概率模型的建立。此模型為后續(xù)的從靜態(tài)圖像中分割出人體奠定了重要的基礎(chǔ)。由于人體姿態(tài)的繁復(fù)性、不確定性以及圖像背景的復(fù)雜性，想要在整體上一次分割出人體是很不現(xiàn)實的。本文思路是，首先把圖像分割為多個區(qū)域，然后計算各個區(qū)域包含人體部件的概率，或

3、該區(qū)域就是人體部件的概率，最后再次計算各部件在整體上組成人體的概率，如果大于設(shè)定的閾值，則認為其就是人體，并與分割算法相結(jié)合分割出人體。
　　2、靜態(tài)圖像中人體分割方法的研究。由于本文設(shè)定的環(huán)境為復(fù)雜背景，使用一般的方法不能很好的將人體從復(fù)雜的背景中分割出來。因此本文研究了一種深度融合的人體分割算法，該算法基于分水嶺分割算法和自動區(qū)域生長算法的有效融合，分水嶺算法能很好的分割出具有相似特征的區(qū)域，但是很容易產(chǎn)生過分割的問題，而自動

4、區(qū)域生長算法則自動選擇種子區(qū)域，把一些相似但卻屬于不同區(qū)域的區(qū)域合并為同一區(qū)域，很好的解決了分水嶺算法造成的過分割問題。實驗結(jié)果表明，此算法效果良好。
　　3、針對跌倒姿態(tài)的特征選取問題，提出了一種跌倒特征向量模型。本文重新定義了用來檢測跌倒行為的特征向量模型，共包含5種類別11個特征向量，分別為人體寬高比、人體有效面積比、人體點邊距、人體軸線角和人體輪廓離心率。利用此特征向量模型訓練支持向量機，該支持向量機基于高斯徑向基核函數(shù)，

5、其特征空間是無限維的Hilbert空間，最大間隔優(yōu)化問題甚至可以在無限維中求解，能很好的滿足本文的需求。
　　仿真實驗結(jié)果表明，本文研究的人體分割方法對復(fù)雜背景來說具有很好的適用性，其分割的準確率達到96.15％，所用時間為72.2ms，相比其他圖像分割算法具有更好的分割效果和更少的處理時間;基于高斯徑向基核函數(shù)的支持向量機分類模型對靜態(tài)圖像中的跌倒行為的識別準確率達到了94.5％，而對于視頻圖像序列的識別準確率甚至更高，達到了9