基于计算机视觉的室内跌倒检测研究

摘要

跌倒是老年群体面临的主要健康威胁之一，对于生理结构衰老和身体机能退化的老年人来说，意外跌倒会给他们带来严重的身心伤害，甚至威胁到他们的生命。在人口老龄化问题日益严峻的形势下，进行跌倒检测研究具有十分重要的意义，并已成为一项研究热点。目前，在该领域中已经有多种跌倒检测方法，但仍存在一些问题有待解决。本文借助于正在逐渐普及的家庭安全监控摄像设备，对基于计算机视觉的跌倒检测方法进行了研究。
　　在基于计算机视觉的跌倒检测研究方法中，常用的特征包括人体矩形框宽高比和轮廓质心。然而，矩形框宽高比易受到人体活动的干扰，而质心的变化则不能理想地区分跌倒和类似跌倒动作，比如突然坐下等动作，并且二者对于检测平行于摄像头的跌倒动作能力有限。针对以上问题，本文提出了一种人体多质心偏移向量运动特征及其提取方法，并基于该特征提出了两种跌倒检测模型。
　　本文主要的研究工作包括以下两部分：
　　通过混合高斯背景模型从图像序列中提取人体前景，然后使用椭圆拟合人体目标，从而定位人体的主要轮廓。根据宽高比将人体主要轮廓划分为三个区域，然后跟踪每个区域的质心，利用本文提出的多质心偏移向量提取方法从三个区域中提取人体质心变化特征。使用 K-means聚类算法分析多质心偏移向量，建立视觉词包，将人体运动过程转化为视觉语句，复杂的活动理解问题便转化成相对简单的文本分析问题。
　　根据视觉语句的特点，本文提出了两种跌倒检测模型。对于不同长度的视觉语句，使用词频模型将其转化为相同维度的特征向量，提出了基于有向无环图支持向量机的跌倒检测模型，将得到的特征向量作为其输入向量，从而对人体活动进行分类。本文将视觉单词作为观测状态，视觉语句作为观测状态序列，提出了基于隐马尔可夫模型的跌倒检测模型，通过分析人体在运动过程中的空间时序规律来判断人体是否跌倒。实验结果表明，两种跌倒检测模型都有良好的检测效果。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1课题研究背景和意义

1.2 国内外研究现状

1.3 本文主要工作和创新点

1.4 论文的组织结构

2 跌倒检测研究方法介绍

2.1 非基于计算机视觉的跌倒检测研究方法

2.2 基于机器视觉的跌倒检测方法

2.3 常见的跌倒检测方法的对比

2.4 本章小结

3 一种新的运动特征--多质心偏移向量

3.1常用特征介绍

3.2多质心偏移向量提取

3.3 人体运动视觉词包

3.4本章小结

4 跌倒检测的静态模型--DAG-SVM模型

4.1支持向量机理论

4.2 常用多分类SVM方法

4.3 建立基于DAG-SVM的跌倒检测模型

4.4 本章小结

5 跌倒检测的动态模型--HMM模型

5.1 隐马尔可夫模型

5.2 常见的三个基本问题

5.3 建立HMM的跌倒模型

5.4 本章小结

6 基于计算机视觉的跌倒检测实验及分析

6.1 数据集及实验环境介绍

6.2 实验评价方法

6.3 实验结果及分析

6.4 试验对比

6.5 本章小结

7 总结与展望

7.1论文研究工作总结

7.2下一步工作展望

致谢

参考文献