基于人體姿態(tài)時(shí)空變化的摔倒事件檢測(cè)研究.pdf

1、隨著智能視頻監(jiān)控分析技術(shù)的不斷發(fā)展，面向人的行為的檢測(cè)分析研究也不斷展開(kāi)，而家居安全正是其中重要的一部分。利用視頻圖像分析來(lái)檢測(cè)摔倒等意外事件的發(fā)生，對(duì)于老人家居安全無(wú)疑有著重要意義。
　　本文首先針對(duì)視頻監(jiān)控領(lǐng)域的人體目標(biāo)檢測(cè)方法進(jìn)行了分析和研究，針對(duì)直立行人檢測(cè)中HOG算法計(jì)算量較大，實(shí)時(shí)性較差的問(wèn)題，選擇了CENTRIST算法進(jìn)行實(shí)時(shí)行人檢測(cè)算法的開(kāi)發(fā)工作，并在海思Hi3516平臺(tái)上進(jìn)行了移植。
　　考慮到摔倒事件中存

2、在非直立姿態(tài)的人體，并且人體姿態(tài)的多樣性會(huì)導(dǎo)致整個(gè)人體檢測(cè)的誤檢率和漏檢率升高，本文研究了基于人體部位的人體姿態(tài)Poselet檢測(cè)方法。Poselet作為人體整體或某一部位的特定姿態(tài)，可通過(guò)關(guān)節(jié)點(diǎn)標(biāo)注、部位相似度度量后獲取訓(xùn)練樣本，提取HOG特征并使用線性SVM作為分類(lèi)器進(jìn)行訓(xùn)練，來(lái)對(duì)人體目標(biāo)特定的部位姿態(tài)進(jìn)行檢測(cè)。針對(duì)原有Poselet樣本庫(kù)的不足，本文首先擴(kuò)充了摔倒事件檢測(cè)所需的Poselet樣本，使樣本庫(kù)更適合于摔倒場(chǎng)景下的檢測(cè)，

3、然后訓(xùn)練得到不同軀干角度的新Poselet分類(lèi)器并進(jìn)行了實(shí)驗(yàn)。結(jié)果表明，使用本文的Poselet分類(lèi)器能較好地檢測(cè)出彎腰、躺倒等特殊姿態(tài)下的人體目標(biāo)，從而檢測(cè)人體的不同姿態(tài)并作為下一步摔倒事件檢測(cè)的基礎(chǔ)。
　　針對(duì)摔倒事件發(fā)生時(shí)人體姿態(tài)時(shí)空變化的特點(diǎn)，如頭部、軀干等部位存在隨時(shí)間變化的相對(duì)位置關(guān)系，本文研究了人體在不同姿態(tài)中關(guān)鍵部位的空間位置和角度分布，用狀態(tài)機(jī)模型來(lái)表示不同姿態(tài)間的轉(zhuǎn)換，提出了一種基于人體部位時(shí)空變化的姿態(tài)檢測(cè)和