10.3969/j.issn.1006-2475.2022.03.013
基于注意力机制子网络的时空跌倒检测算法
近年来行人跌倒检测变得越来越重要,因为准确及时的跌倒检测可以帮助跌倒者获得紧急救援.针对复杂场景中由于光照变化、遮挡和尺度变化等导致检测性能下降的问题,提出一种实时、鲁棒的跌倒检测算法.首先采用YOLO v3目标检测模块完成行人检测;然后在跟踪模块中对每个跟踪的边界框提取深层特征后,运用数据增强和重检测技术提高光照变化下的检测精度,并引入注意力机制子网络应对被遮挡目标的检测;最后跌倒判断模块对行人姿态进行判断,完成实时跌倒检测和报警.在Cityperson数据集、Montreal fall数据集和自建数据集上的实验结果表明,行人检测算法的检测精度达到87.05%,跌倒算法的检测精度达到98.55%,时延在120 ms以内,且在光照变化和遮挡影响下依然能获得良好的性能.
行人检测、跌倒检测、深度学习、卷积神经网络、注意力机制
TP212.9(自动化技术及设备)
国家自然科学基金;江苏省自然科学基金青年项目;江苏省大学生实践创新训练计划;江苏省大学生实践创新训练计划
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
70-75,81