基于深度数据分析的室内老人摔倒检测方法

摘要：

人口老龄化是当前面临的重要社会问题,摔倒检测是老年护理和生活中的一个重要课题.针对基于穿戴传感器、环境传感器和计算机视觉的摔倒检测系统具有高入侵性、低精度和鲁棒性差等缺点,提出了一种基于深度数据分析的室内独居老人摔倒检测方法.微软Kinect传感器可有效、廉价地获得场景的三维信息,该方法基于Kinect传感器捕捉的深度数据进行摔倒检测分析.首先对背景帧深度数据和目标帧深度数据使用滤波方法进行预处理,并采用高斯模型对运动目标进行检测;然后通过水平和垂直投影直方图将深度图转换为视差图以得到地面信息,并用最小二乘法估计地面方程的参数;最后分析人体对象的动态信息,针对室内独居老人摔倒检测,假设室内只有一个运动个体,对于目标帧深度图像,计算人体重心与地面之间的距离.当人体重心到地面的距离低于阈值时,判定摔倒行为发生.实验结果表明,该方法可以有效地检测摔倒事件.

关键词：摔倒检测、深度数据、视差图、Kinect传感器

所属期刊栏目：28

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61005015;国家第三批博士后特别基金201003280;上海市青年教师培育计划和上海大学青年教师资助计划资助项目

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：77-81