基于Kinect的人体危险行为检测研究

摘要

社会经济的快速发展带来了人口老龄化、空巢老人的数量急剧增加等诸多问题，人们开始对家庭环境中老年人的安全问题越来越重视，这就需要一种能够自动检测到危险行为的方法，在老年人遇到危险的时候能够及时判断出来并发出警报。本文提出了一种基于Kinect的危险行为检测方法，通过Kinect传感器获取的骨骼信息得到人体头部的位置并分析其在危险行为模式中的变化规律，再利用训练好的支持向量机分类器检测危险行为。此方法可以用于家庭医疗服务机器人，通过在移动机器人上安装 Kinect传感器，能够让机器人跟随老人的运动轨迹对危险行为进行实时检测，使检测不再受到摄像头视野范围的限制，可以节省设备成本并取得更广泛的实际应用价值。本文主要的研究内容包括：
　　1.对日常生活中人体的行为模式进行分析，将对人体直接造成伤害和预示着人体即将受到伤害的两种动作定义为危险行为。针对老年人行动缓慢的特点，将跌倒、缓慢倒下两种危险行为和行走、坐下、蹲下三种正常日常行为作为本文的研究对象。根据人体头部不容易被遮挡的特点，选取头部位置作为危险行为的描述特征。
　　2.在日常家居环境中利用Kinect传感器提供的骨骼跟踪获取人体的头部位置，然后对不同的行为模式下人体头部位置的变化规律进行分析，从而提取出危险行为的头部位置特征。
　　3.以提取到的人体的头部位置变化规律作为特征，使用支持向量机分类器和基于五折交叉验证的网格搜索来对人体的行为模式进行分类，从而实现危险行为检测。这种方法具有很高的分类准确率，可以有效检测出日常家居环境中的危险行为。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

第一节 引言

第二节 研究现状

第三节 研究内容

第四节 论文结构

第二章 相关研究综述

第一节 常用的人体行为特征描述方法

第二节 支持向量机理论基础

第三章 危险行为的特征描述

第一节 危险行为模式

第二节 基于头部位置特征的危险行为描述

第四章 基于Kinect的危险行为特征提取

第一节 Kinect传感器简介

第二节 基于Kinect的骨骼跟踪

第三节 特征提取实验

第五章 基于支持向量机的人体危险行为检测

第一节 支持向量机分类算法

第二节 支持向量机分类器的核函数及参数选择

第三节 危险行为检测实验

第六章 结束语

第一节 工作总结

第二节 未来展望

参考文献

致谢

个人简历