基于三维人体姿态估计的老人跌倒检测

摘要

上世纪末我国已经进入老龄化社会，预计到2020年我国六十岁以上的人口数将达到2.48亿，老年人口比例达到17.17%。在进入老龄社会后，我国老人的人口数量呈现持续增长的趋势，人口老龄化给社会带来了诸多问题和挑战。65岁以上老人中，每年约有三分之一会有至少一次以上的意外跌倒，这其中又有超过一半以上的老年人由于跌倒受到了不同程度的损伤，并且随着年龄的增加，意外跌倒的可能性和危险程度也会越来越高，老人在跌倒后如果不能及时发现，很可能会威胁老人的生命安全。 为解决上述问题，本文设计了一种基于三维人体姿态估计的跌倒检测方法。首先我们结合二维姿态估计和图像检索提出了一种新的三维姿态估计方法。使用Human3.6M、HumanEva和CMU MoCap数据集建立了一个大规模的二维姿态图像字典集，其中每个二维姿态都对应一个三维姿态。通过图像描述子来表示一个二维姿态，这样就将难以解决的三维姿态估计问题转化为二维姿态估计和图像匹配查询问题。在查询得到的三维姿态上考虑人体结构等约束使用一个三维姿态优化算法以得到更贴合实际的三维姿态。最后本文改进了一种树状LSTM网络结构进行跌倒检测，采用了一种信息双向传递的方法以三维人体姿态作为输入，分别使用两个相似的LSTM网络结构从根到叶、从叶到根进行信息传递，结合双向的信息传递更有效的利用了视频信息前后帧之间的时间关系和同帧之间关节点之间的联系，提高了跌倒检测的准确性。 本文所提出的三维姿态估计方法在公开数据集Human3.6M上平均MPJPE达到94.4mm。与现有先进方法相比，本文提出的方法最大的优势在于可以应用在户外和居家复杂背景的环境中，而不仅限制在严格的实验室环境下。本文基于三维人体姿态进一步提出了应用树状双向LSTM网络进行跌倒检测的方法，并在公开的跌倒数据集UR-FDD上验证了本文算法的有效性。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 本文主要研究内容

1.3 论文创新点

1.4 论文组织结构

2 国内外研究现状综述

2.1 基于穿戴式设备的跌倒检测研究现状

2.2 基于场景式设备的跌倒检测研究现状

2.3 基于视觉信息的跌倒检测研究现状

2.4 本章小结

3 基于查询优化的三维人体姿态估计

3.1三维人体姿态估计系统框架

3.2 二维人体姿态提取

3.2.1 卷积神经网络结构

3.2.2 置信图

3.3 图像描述子的生成

3.4 三维姿态数据预处理

3.4.1 数据集

3.4.2 构建字典集

3.5 三维姿态查询

3.6 三维姿态优化

3.6.1 三维姿态数据降维

3.6.2 高斯牛顿法优化

3.7 实验结果和分析

3.7.1 Human3.6M数据集上的实验结果

3.7.2 UR-FDD数据集上的实验结果

3.7.3Ablation Study

3.8 本章小结

4 基于树状LSTM网络的跌倒检测

4.1 LSTM网络基础结构

4.2 树形结构LSTM网络结构

4.3 实验结果和分析

4.4本章小结

5 总结与展望

5.1 论文总结

5.2 未来展望

参考文献

致谢

附录A

个人简历、在学期间发表的学术论文与研究成果