基于人體姿態(tài)時空變化的摔倒事件檢測研究.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分析研究也不斷展開，而家居安全正是其中重要的一部分。利用視頻圖像分析來檢測摔倒等意外事件的發(fā)生，對于老人家居安全無疑有著重要意義。
　　本文首先針對視頻監(jiān)控領(lǐng)域的人體目標檢測方法進行了分析和研究，針對直立行人檢測中HOG算法計算量較大，實時性較差的問題，選擇了CENTRIST算法進行實時行人檢測算法的開發(fā)工作，并在海思Hi3516平臺上進行了移植。
　　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)的多樣性會導(dǎo)致整個人體檢測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檢測方法。Poselet作為人體整體或某一部位的特定姿態(tài)，可通過關(guān)節(jié)點標注、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作為分類器進行訓(xùn)練，來對人體目標特定的部位姿態(tài)進行檢測。針對原有Poselet樣本庫的不足，本文首先擴充了摔倒事件檢測所需的Poselet樣本，使樣本庫更適合于摔倒場景下的檢測，

3、然后訓(xùn)練得到不同軀干角度的新Poselet分類器并進行了實驗。結(jié)果表明，使用本文的Poselet分類器能較好地檢測出彎腰、躺倒等特殊姿態(tài)下的人體目標，從而檢測人體的不同姿態(tài)并作為下一步摔倒事件檢測的基礎(chǔ)。
　　針對摔倒事件發(fā)生時人體姿態(tài)時空變化的特點，如頭部、軀干等部位存在隨時間變化的相對位置關(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)機模型來表示不同姿態(tài)間的轉(zhuǎn)換，提出了一種基于人體部位時空變化的姿態(tài)檢測和