10.13718/j.cnki.xdzk.2021.11.021
基于机器视觉和穿戴式设备感知的村镇老年人跌倒监测方法
随着我国村镇老人独居比例日渐增加,加上村镇地区医疗机构分布稀疏,老人跌倒受伤常因发现和送治不及时导致伤损恶化甚至死亡,快速及时地发现是减少村镇独居老人跌倒致死的关键.本文开展了基于穿戴式设备感知体征数据和2D视频数据对老人跌倒的情况进行多维数据融合监测分析和跌倒判定的技术方法研究.通过改进多参数跌倒图像识别算法,以核心位移速度、躯干水平角度、人体边框宽高比为参数进行了人体跌倒的判断分析.试验结果显示,基于随机森林和KNN的体征数据分析对跌倒行为预测的模型准确率均为0.77,但KNN的F1值相对前者高出2个百分点.本文基于openpose人体关键骨骼节点分析的跌倒识别准确率为0.79,加入基于Mask R-CNN的周边环境感知参数,改进后的模型识别准确率提升到0.85,而本文提出基于机器视觉和穿戴式设备感知数据融合的村镇老年人跌倒综合判断法,将图像数据和体征数据融合后采用BiLSTM模型训练分类,准确率达到0.90,显著提高了村镇老年人跌倒监测的准确性和可靠性.本文建立的人体跌倒监测方法还可以在保证准确率的同时,更好适用于我国村镇网络不稳定、数据传输通量较低的地区.
摔倒检测;机器视觉;神经网络;机器学习;数据融合
43
TP183(自动化基础理论)
国家重点研发计划课题;北京市科技计划课题
2021-11-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
186-194