面向家居场景的跌倒行为分析技术研究与实现

• 作 者: 赵前龙
• 出 处: 南京邮电大学
• 发表日期: 2004年期
• 关键词: 深度学习 轮廓提取 双流模型架构 模型改进 系统开发

随着计算机网络技术的日益发展、智能终端设备的渐趋完善,打造智慧、安全、便捷的家居生活成为可能。跌倒是家居场景下经常发生的具有危险性的行为,如何快速且准确地检测出跌倒行为逐渐成为社会的热门研究领域。近几年,计算机视觉和深度学习技术得到了快速的发展,为解决这一问题提供了一种崭新的思路。本文立足于此热门领域,从计算机视觉和深度学习技术出发,提出了基于改进GMM的人形轮廓分析提取算法和基于双流卷积神经网络的跌倒行为分析检测算法,并开发了一套能够应用于家居场景下的跌倒行为分析系统。具体研究内容如下:(1)提出了基于改进GMM的人形轮廓分析提取算法。首先,研究了基于改进GMM的前景快速提取方法;接着,分析了人形轮廓的初始判别问题,提出了基于宽度直方图的轮廓判别法;进而,分析了人形轮廓的后续连续提取问题,提出了基于交并比和重心距离的轮廓跟踪法;最后,通过实验验证了算法性能。(2)提出了基于双流卷积神经网络的跌倒行为分析检测算法。首先,阐述了运动历史图的提取与基于MHI的运动方向提取;然后,提出了双流模型架构,包括空间流和时间流卷积网络结构,并定义了融合判断方法;进而,在空间流和时间流卷积网络结构的基础上对模型进行了优化改进,提出了TS-Net网络结构,给出了其搜索空间、目标期望奖励函数与搜索框架;最后,通过实验验证了算法性能。(3)开发了面向家居场景下的行人跌倒行为分析系统。首先,分析了系统的架构,主要包括跌倒图像处理模块、跌倒检测模块、模型训练模块和报警求救模块。然后,阐述了系统实现的硬件环境、软件环境和实现流程。最后,分别验证了图像处理模块、跌倒检测模块和报警求救模块的效果。