基于家庭服务机器人视角的跌倒老人识别算法

摘要

由于老年人跌倒后不能及时发现容易发生危险甚至危及生命，为此研究人员开发了很多基于跌倒过程的检测系统，但是这些系统往往因为穿戴不方便、安置摄像头过多、光照的变化和其他动作影响等问题而难于推广。为此本文设计一种基于家庭服务机器人视角的跌倒老人识别算法，采用深度空间中目标分割并利用改进的卷积神经网络识别相结合。本文的主要研究工作包括：
　　1.利用安装在家庭服务机器人头部的Kinect传感器获取深度图像与彩色图像信息，将彩色图像与深度图像进行映射，利用最近邻算法修复映射后的彩色图像，最后将深度坐标转化为世界坐标并形成点云数据。
　　2.根据项目的特殊性，利用直通滤波器对点云过滤。根据法线一致性的随机抽样一致性算法拟合跌倒人体的支撑平面，对剩余的包含跌倒人体的点云利用欧式聚类进行聚类分割，并利用统计离群点滤波器和均值滤波器过滤掉离群点和过小的点云集，得到若干个较大的感兴趣目标点云集。将点云集映射到彩色空间中，并寻找各个感兴趣目标的最小包围矩形框，并进行边界扩展。各扩展后的图像归一化大小为80 40，送入训练好的卷积神经网络中进行分类识别。
　　3.由于没有公开的大规模的静态跌倒人体库，因此本文利用上诉方法建立了跌倒人体库，并对原始数据进行扩展形成正负样本44000个。其中正负样本比例1:1。
　　4.本文在LeNet-5网络的基础上进行了改进，更改网络层结构，更改激活函数，添加dropout层等，并在自建数据库中进行了实验。在自建数据库中进行测试，得到准确率明显优于基于HOG+SVM或VFH+SVM等算法，反映出本算法具有较强的泛化能力和鲁棒性
　　5.本文设计的算法在家庭服务机器人上面进行了实际的验证，得到了较好的结果。

目录

声明

第一章 绪论

§1.1研究背景和意义

§1.2国内外研究现状

§1.3研究的趋势与难点

§1.4本文工作与章节安排

第二章 点云数据的获取、预处理与目标分割

§2.1点云数据的获取

§2.2点云数据的预处理

§2.3点云表面法向量计算

§2.4常见的目标分割算法

§2.5 基于融合随机一致性算法与欧式聚类算法的目标分割

§2.6实验与分析

§2.7本章小结

第三章 跌倒人体识别的分类模型

§3.1神经网络的发展

§3.2卷积神经网络理论

§3.3 对比特征

§3.4基于卷积神经网络的跌倒人体识别的算法流程

§3.5本章小结

第四章 卷积神经网络在跌倒人体识别中的应用

§4.1实验数据

§4.2使用LeNet-5卷积神经网络在自建数据库中训练跌倒人体分类器

§4.3使用改进的卷积神经网络在自建数据库中训练跌倒人体分类器

§4.4本章小结

第五章 总结与展望

§5.1总结

§5.2展望

参考文献

致谢

攻读硕士期间参加的科研项目与科研成果