基于卷积神经网络和多判别特征的跌倒检测算法

摘要：

针对传统跌倒检测算法中特征提取不充分、跌倒判别条件泛化性差、实时性差等问题,提出一种基于卷积神经网络和多判别特征的跌倒检测算法.为了完成更丰富的特征信息提取并保证实时性,首先,使用MobileNetV3轻量级网络完成对输入图片中人物特征信息的准确、快速提取;其次,使用3个小型卷积核的叠加和残差网络,保证网络在具有相同感受野的情况下降低网络模型的参数量,以保证图像中人体关键点检测的实时性;再次,为了提高跌倒状态判别的准确性,将人体躯干、四肢与地面间夹角,以及人体标定框高宽比变化作为跌倒判别特征;最后,设计了一个基于云服务器的物联网系统,以缓解用户终端计算能力不足导致实时性差的问题.在URFD数据集和自建数据集上进行大量实验的结果表明,该算法的检测准确率分别为99.0％和98.5％,该算法相对于传统跌倒检测算法具有更高的准确性和更好的普适性.

关键词：跌倒检测、卷积神经网络、多判别特征、物联网、云服务器

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省教育厅科学研究项目;辽宁省自然科学基金;辽宁省自然科学基金;山东省智能建筑技术重点实验室开放课题;沈阳市科学技术计划项目

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：452-462