基于家庭服務機器人視角的跌倒老人識別算法.pdf

1、由于老年人跌倒后不能及時發(fā)現(xiàn)容易發(fā)生危險甚至危及生命，為此研究人員開發(fā)了很多基于跌倒過程的檢測系統(tǒng)，但是這些系統(tǒng)往往因為穿戴不方便、安置攝像頭過多、光照的變化和其他動作影響等問題而難于推廣。為此本文設計一種基于家庭服務機器人視角的跌倒老人識別算法，采用深度空間中目標分割并利用改進的卷積神經(jīng)網(wǎng)絡識別相結合。本文的主要研究工作包括：
　　1.利用安裝在家庭服務機器人頭部的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、像進行映射，利用最近鄰算法修復映射后的彩色圖像，最后將深度坐標轉化為世界坐標并形成點云數(shù)據(jù)。
　　2.根據(jù)項目的特殊性，利用直通濾波器對點云過濾。根據(jù)法線一致性的隨機抽樣一致性算法擬合跌倒人體的支撐平面，對剩余的包含跌倒人體的點云利用歐式聚類進行聚類分割，并利用統(tǒng)計離群點濾波器和均值濾波器過濾掉離群點和過小的點云集，得到若干個較大的感興趣目標點云集。將點云集映射到彩色空間中，并尋找各個感興趣目標的最小包圍矩形框，并進行邊界擴展。各

3、擴展后的圖像歸一化大小為80 40，送入訓練好的卷積神經(jīng)網(wǎng)絡中進行分類識別。
　　3.由于沒有公開的大規(guī)模的靜態(tài)跌倒人體庫，因此本文利用上訴方法建立了跌倒人體庫，并對原始數(shù)據(jù)進行擴展形成正負樣本44000個。其中正負樣本比例1:1。
　　4.本文在LeNet-5網(wǎng)絡的基礎上進行了改進，更改網(wǎng)絡層結構，更改激活函數(shù)，添加dropout層等，并在自建數(shù)據(jù)庫中進行了實驗。在自建數(shù)據(jù)庫中進行測試，得到準確率明顯優(yōu)于基于HOG+SVM