一种基于混合高斯模型和神经网络的行人摔倒检测方法

摘要

本发明公开了一种基于混合高斯模型和神经网络的行人摔倒检测方法。现有的基于硬件传感器和基于视频图像的摔倒检测方案检测准确率和泛化能力较差。本发明结合了混合高斯模型和神经网络，采用alphapose神经网络能对运动的物体区域进行行人目标检测和骨骼提取，单人骨骼提取的训练集采用人工合成三维人体模型的方法，之后的浅层卷积神经网络会对提取的骨骼进行分类，完成摔倒检测。高斯混合模型能快速的定位运动的前景，过滤视频帧中大量的非运动物体，减少神经网络的计算量。本发明方法检测速度快，且神经网络有较强的泛化性，能应用于实时的视频监控。