多特征融合的摔倒行為檢測算法研究.pdf

1、人口老齡化現(xiàn)今已經(jīng)成為席卷全球的一種趨勢，世界各國為應對人口結(jié)構(gòu)變化將極大的熱情投入到養(yǎng)老服務、醫(yī)療監(jiān)護領(lǐng)域。摔倒被證明是意外和非故意性傷害中死傷率第二大的因素，其中老年人是最敏感的人群。研究表明，摔倒造成的傷害絕大多數(shù)可通過及時有效的治療來克服或緩解。
　　近年來行為識別技術(shù)得到了極快的發(fā)展，將其應用在摔倒行為檢測中，研究能夠有效檢測摔倒行為的算法具有重要的科研價值和現(xiàn)實意義。本文旨在研究高效魯棒的摔倒行為檢測算法。為克服單一特

2、征描述力不強的缺點，提出多特征融合的摔倒檢測方案，并對正面視角的運動目標檢測算法進行了改進。本文主要研究工作有：
　　首先，對獲取的視頻文件進行格式轉(zhuǎn)化，以灰度化圖像序列的方式進行存儲后，分析圖像質(zhì)量，對其進行濾波去噪處理。
　　其次，研究運動目標檢測的經(jīng)典算法，確定序列中值法為本文目標檢測的主要方法，針對運動軌跡重合的正面視角視頻行為序列，提出改進的“首尾幀”目標檢測方法，采用模糊分類器區(qū)分視頻的前后段后，分別采用首幀和尾

3、幀進行背景減除，通過相鄰幀不變像素點的統(tǒng)計完成目標檢測。
　　接著，結(jié)合摔倒行為的主要特征，采用多種特征融合的方式進行行為特征表達。文章中采用質(zhì)心變化率表征行為的運動特征，對符合質(zhì)心變化閾值條件的幀鄰域利用VEI進行姿態(tài)特征的二次判別，同時將SIFT局部描述子引入并改進，為遮擋時摔倒行為的判別提供更多的細節(jié)特征。改進的 SIFT算法在尺度空間引入Harris角點檢測代替極值特征點檢測，并采用鄰域相似像素統(tǒng)計法提前過濾非特征點，提升