基于TSSI和STB-CNN的跌倒检测算法
跌倒行为会给老人特别独居老人带来严重伤害,准确识别跌倒并及时报警可以有效降低这种危险.本文提出一种基于树结构骨架图像(Tree Structure Skeleton Image,TSSI)和可学习时空块卷积神经网络(Spatio-temporal Block Convolution Neural Network,STB-CNN)的跌倒检测方法.首先使用三维姿态估计算法提取人体关节点,进而获得骨架序列;然后利用基于深度优先搜索(Depth First Search,DFS)算法将骨架序列编码为TSSI;最后构建由时空差分模块、可学习时空框架和时空多分支卷积模块组成的可学习STB-CNN网络,实现跌倒检测.该方法在公开数据集和自建数据集上进行仿真实验分别取得98.6%和98.3%的准确率,优于其他相关算法.
跌倒检测、树结构骨架图像、可学习时空块卷积神经网络、姿态估计
40
TP391.4(计算技术、计算机技术)
广东省科技计划项目2017A010101016
2023-08-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
53-59