基于家庭服務(wù)機(jī)器人視角的跌倒老人識(shí)別算法.pdf

1、由于老年人跌倒后不能及時(shí)發(fā)現(xiàn)容易發(fā)生危險(xiǎn)甚至危及生命，為此研究人員開發(fā)了很多基于跌倒過程的檢測(cè)系統(tǒng)，但是這些系統(tǒng)往往因?yàn)榇┐鞑环奖?、安置攝像頭過多、光照的變化和其他動(dòng)作影響等問題而難于推廣。為此本文設(shè)計(jì)一種基于家庭服務(wù)機(jī)器人視角的跌倒老人識(shí)別算法，采用深度空間中目標(biāo)分割并利用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)識(shí)別相結(jié)合。本文的主要研究工作包括：
　　1.利用安裝在家庭服務(wù)機(jī)器人頭部的Kinect傳感器獲取深度圖像與彩色圖像信息，將彩色圖像與深度圖

2、像進(jìn)行映射，利用最近鄰算法修復(fù)映射后的彩色圖像，最后將深度坐標(biāo)轉(zhuǎn)化為世界坐標(biāo)并形成點(diǎn)云數(shù)據(jù)。
　　2.根據(jù)項(xiàng)目的特殊性，利用直通濾波器對(duì)點(diǎn)云過濾。根據(jù)法線一致性的隨機(jī)抽樣一致性算法擬合跌倒人體的支撐平面，對(duì)剩余的包含跌倒人體的點(diǎn)云利用歐式聚類進(jìn)行聚類分割，并利用統(tǒng)計(jì)離群點(diǎn)濾波器和均值濾波器過濾掉離群點(diǎn)和過小的點(diǎn)云集，得到若干個(gè)較大的感興趣目標(biāo)點(diǎn)云集。將點(diǎn)云集映射到彩色空間中，并尋找各個(gè)感興趣目標(biāo)的最小包圍矩形框，并進(jìn)行邊界擴(kuò)展。各

3、擴(kuò)展后的圖像歸一化大小為80 40，送入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類識(shí)別。
　　3.由于沒有公開的大規(guī)模的靜態(tài)跌倒人體庫(kù)，因此本文利用上訴方法建立了跌倒人體庫(kù)，并對(duì)原始數(shù)據(jù)進(jìn)行擴(kuò)展形成正負(fù)樣本44000個(gè)。其中正負(fù)樣本比例1:1。
　　4.本文在LeNet-5網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行了改進(jìn)，更改網(wǎng)絡(luò)層結(jié)構(gòu)，更改激活函數(shù)，添加dropout層等，并在自建數(shù)據(jù)庫(kù)中進(jìn)行了實(shí)驗(yàn)。在自建數(shù)據(jù)庫(kù)中進(jìn)行測(cè)試，得到準(zhǔn)確率明顯優(yōu)于基于HOG+SVM