基于視頻監(jiān)控的室內(nèi)跌倒行為的檢測與識別研究.pdf

1、隨著老齡化問題及空巢問題的出現(xiàn)，老年人群受到了越來越多的關(guān)注，經(jīng)調(diào)查發(fā)現(xiàn):跌倒是老年人意外傷亡的第一要素，且發(fā)生相對頻繁，所造成的傷害相對較大，為了能夠改善老年人的生活質(zhì)量，減小跌倒所帶來的身體傷害及財產(chǎn)損失，本文對跌倒行為進(jìn)行了研究。
　　通常對于跌倒行為的研究方法分為三種:基于可穿戴設(shè)備的跌倒檢測方法、基于外周傳感器的跌倒檢測方法、基于視頻監(jiān)控的跌倒檢測方法。前兩種方法識別率相對較低且環(huán)境依賴性較強(qiáng)，基于視頻監(jiān)控的方法識別率相

2、對較高且能夠同時檢測多個事件，并具有記錄功能以便事后分析查證，故此，本文選擇基于視頻監(jiān)控的方法對跌倒行為進(jìn)行研究。
　　首先，在目標(biāo)檢測階段，本文采用背景差分法進(jìn)行運(yùn)動目標(biāo)的提取。先用中值法建立初始背景幀，改善傳統(tǒng)方法采用第一幀作為初始背景導(dǎo)致算法收斂速度慢的問題;再用混合高斯法進(jìn)行背景模型的建立與更新;然后通過匹配算法將前景目標(biāo)和背景區(qū)分開。
　　其次，采用改進(jìn)HSV顏色空間的陰影檢測算子進(jìn)行陰影消除，省去了參數(shù)選擇的麻煩

3、;針對基于顏色的方法進(jìn)行陰影消除的缺陷，本文提出融合顏色特征和梯度特征共同消除陰影，由于傳統(tǒng)梯度算子在場景復(fù)雜的情況下提取出來的目標(biāo)輪廓并不完整，本文選擇從0°、45°、90°、135°四個方向來檢測目標(biāo)邊緣，兩者融合之后，得到的目標(biāo)更加完整。
　　然后，采用具有平移、旋轉(zhuǎn)、尺度不變性的Hu矩的前四個計算量比較小的不變矩，與高寬比、姿態(tài)變化率、運(yùn)動速率這幾個特征共同組成7維向量作為該幀圖像的特征向量;再通過隔幀抽取，每個動作周期提

4、取15幀圖像，共組成105維特征數(shù)據(jù)作為表征一種行為的共同特征。
　　最后，用支持向量機(jī)對行走、慢跑、坐下、下蹲、彎腰、跌倒這六種常見的日常行為進(jìn)行分類與識別。先通過高寬比將六種行為分為兩大類:直立狀態(tài)和非直立狀態(tài)，對于直立狀態(tài)的兩種行為只需要構(gòu)建一個二分類支持向量機(jī)便可以將二者區(qū)分開，而其余四種行為則需要構(gòu)建6個二分類支持向量機(jī)，經(jīng)過這樣的分組既減少了構(gòu)造支持向量機(jī)的數(shù)量同時又提高了分類速率。
　　為了對行為識別的結(jié)果進(jìn)行