基于計算機視覺的室內(nèi)跌倒檢測研究.pdf

1、跌倒是老年群體面臨的主要健康威脅之一，對于生理結(jié)構(gòu)衰老和身體機能退化的老年人來說，意外跌倒會給他們帶來嚴重的身心傷害，甚至威脅到他們的生命。在人口老齡化問題日益嚴峻的形勢下，進行跌倒檢測研究具有十分重要的意義，并已成為一項研究熱點。目前，在該領(lǐng)域中已經(jīng)有多種跌倒檢測方法，但仍存在一些問題有待解決。本文借助于正在逐漸普及的家庭安全監(jiān)控攝像設備，對基于計算機視覺的跌倒檢測方法進行了研究。
　　在基于計算機視覺的跌倒檢測研究方法中，常用

2、的特征包括人體矩形框?qū)捀弑群洼喞|(zhì)心。然而，矩形框?qū)捀弑纫资艿饺梭w活動的干擾，而質(zhì)心的變化則不能理想地區(qū)分跌倒和類似跌倒動作，比如突然坐下等動作，并且二者對于檢測平行于攝像頭的跌倒動作能力有限。針對以上問題，本文提出了一種人體多質(zhì)心偏移向量運動特征及其提取方法，并基于該特征提出了兩種跌倒檢測模型。
　　本文主要的研究工作包括以下兩部分：
　　通過混合高斯背景模型從圖像序列中提取人體前景，然后使用橢圓擬合人體目標，從而定位人體

3、的主要輪廓。根據(jù)寬高比將人體主要輪廓劃分為三個區(qū)域，然后跟蹤每個區(qū)域的質(zhì)心，利用本文提出的多質(zhì)心偏移向量提取方法從三個區(qū)域中提取人體質(zhì)心變化特征。使用 K-means聚類算法分析多質(zhì)心偏移向量，建立視覺詞包，將人體運動過程轉(zhuǎn)化為視覺語句，復雜的活動理解問題便轉(zhuǎn)化成相對簡單的文本分析問題。
　　根據(jù)視覺語句的特點，本文提出了兩種跌倒檢測模型。對于不同長度的視覺語句，使用詞頻模型將其轉(zhuǎn)化為相同維度的特征向量，提出了基于有向無環(huán)圖支持向