改进混合高斯模型在人体跌倒检测中的应用

摘要：

提出了一种基于改进混合高斯模型的分级特征检测算法,对人体跌倒状态进行检测.针对实际目标检测过程中背景更新缓慢,阴影干扰等缺点,通过改进混合高斯模型进行背景更新,并根据阴影区域在HSV颜色空间的特征信息消除阴影干扰.利用人体最小面积外接矩形和垂直外接矩形对检测到的人体目标进行标记,分析目标区域的矩形宽高比、人体质心高度比和人体躯干倾斜角的特征变化.根据各个特征对人体不同状态的判断灵敏度,提出了一种分级特征检测的方法.首先通过人体躯干倾角的特征,判断出人处于非站立状态.接下来依次采用人体质心高度比和矩形宽高比的特征,确认人体处于跌倒状态.实验结果证明,采用提出的方法对人体跌倒状态进行检测,其环境适应性和跌倒检测准确率均高于采用背景差分和直接检测的各种方法.

关键词：混合高斯模型、HSV、分级特征、跌倒检测

所属期刊栏目：53

分类号：TP391.41(计算技术、计算机技术)

资助基金：上海市"科技创新行动计划"高新技术领域科研项目15111106800

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：173-179