基于OpenPose的摔倒行为检测技术研究

摘要：

针对摔倒检测难、检测精度低、误检率高等问题提出了一种基于骨骼姿态关键点和卷积神经网络的摔倒检测算法.该算法通过OpenPose对连续n帧中的运动目标进行关键点检测,以VGG预训练网络作为骨架,对运动目标进行姿态特征提取,并将所提取的姿态特征以支持向量机的方法进行分类实验,有效区分坐、躺、蹲等与摔倒相似的行为.测试所使用的数据集包括一系列自建摔倒视频并结合包括走、蹲、躺、坐、跳等五种非摔倒行为.检测结果的灵敏度为96.52％,特异性为96.37％,相比同类检测算法有较大提升.

关键词：OpenPose、卷积神经网络、摔倒检测、深度学习

所属期刊栏目：44

分类号：TP242(自动化技术及设备)

资助基金：吉林省科技发展计划20170204048GX

在线出版日期：2021-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15-21