基于多模特征融合的人體跌倒檢測算法研究.pdf

1、人類社會已步入老齡化時代，空巢老人比例逐年增長，跌倒是老年人，特別是獨居老人受傷的主要原因。隨著計算機技術(shù)、傳感器技術(shù)和圖像信息處理技術(shù)的飛速發(fā)展，人體跌倒檢測成為國內(nèi)外學者關(guān)注的熱點?；谟嬎銠C視覺技術(shù)的人體跌倒檢測，不僅可以檢測獨居老人跌倒，及時報警，有效減少老年人跌倒后因延誤發(fā)現(xiàn)和治療而致死的可能性，而且降低了用于老年人護理的人工費用，減輕了子女負擔，同時不會給老人的日常生活帶來不便，切實提高了老年人的生活品質(zhì)。本論文研究了基于多

2、模態(tài)特征融合的人體跌倒檢測算法，主要工作如下:首先，論述了人體跌倒檢測的研究背景和意義，綜述了人體跌倒檢測技術(shù)國內(nèi)外研究現(xiàn)狀，從特征提取和分類器兩個方面對當前研究中存在的問題進行分析，介紹了本文的主要研究內(nèi)容和章節(jié)安排。
　　第二，為了驗證本文所提出的人體跌倒檢測算法，利用Kinect攝像機錄制并發(fā)布了人體跌倒檢測數(shù)據(jù)集——SDUFall。數(shù)據(jù)集由20人錄制完成，包含六類動作，樣本總量達到1200個，包含各種場景。針對每個樣本數(shù)據(jù)

3、，分別記錄了彩色圖像序列、深度圖像序列和人體骨骼點三維坐標文件。
　　第三，研究了基于深度圖像和骨骼點坐標信息的人體跌倒檢測特征提取算法?；谏疃葓D像信息提取曲率尺度空間特征(Curvature Scale Space，CSS)和人體形態(tài)特征，基于骨骼點三維坐標信息提取人體運動的軌跡特征。分析了三類特征的特性:曲率尺度空間特征對平移、旋轉(zhuǎn)和尺度具有不變性;人體形態(tài)特征直觀的表達出人體各個形態(tài)在運動過程中的屬性;軌跡特征可以反映人體

4、行為的時域特性。利用極限學習機(Extreme Learning Machine，ELM)對單一特征進行跌倒檢測實驗，結(jié)果顯示分類效果不理想。
　　第四，針對單一特征表達人體運動不全面的問題，結(jié)合三類特征的優(yōu)點，提出了基于有監(jiān)督的組稀疏非負典型相關(guān)分析(Group-sparse Nonnegativesupervised Canonical Correlation Analysis，GNCCA)的多模態(tài)特征選擇與融合算法，應用于人

5、體跌倒檢測。GNCCA成功整合了多模態(tài)高維數(shù)據(jù)，可以最大化類間距離。實驗中首先將基于每幀深度圖像的人體形態(tài)特征與骨骼點軌跡特征進行特征層的選擇與融合，再將分類結(jié)果與曲率尺度空間特征進行決策層融合，得到最終的識別結(jié)果。
　　第五，針對極限學習機隨機產(chǎn)生輸入權(quán)重、隱元偏置和提前給定隱元個數(shù)而導致的模型出現(xiàn)非最優(yōu)的問題，提出了基于改進變長度粒子群優(yōu)化算法的極限學習機分類模型。利用改進的變長度粒子群優(yōu)化算法(Improved Variab