基于AlphaPose优化模型的老人跌倒行为检测算法

摘要

针对在低功耗、低成本硬件平台快速准确检测老人跌倒高危行为的问题,提出了一种基于AlphaPose优化模型的老人异常行为检测算法。首先,对行人目标检测模型和姿态估计模型进行优化,以加快人体目标检测和姿态关节点推理;然后,通过优化的AlphaPose模型快速计算得到人体姿态关节点图像坐标数据;最后,计算人体跌倒瞬间头部关节点线速度与胯部关节线速度之间的关系,以及人体中垂线与图像X轴之间夹角的变化来判断跌倒现象的发生。将所提算法移植到JetsonNano嵌入式开发板上,并与当前主要的基于人体姿态的跌倒检测算法YOLOv3+Pose、YOLOv4+Pose、YOLOv5+Pose、trt_pose和NanoDet+Pose进行对比分析。实验结果表明,在所用嵌入式平台上,图像分辨率为320×240时,所提算法的检测帧率达到8.83 frame/s,准确率为0.913,均优于对比算法。该算法具有较高的实时性和准确率,能够及时检测老人跌倒行为的发生。