基于光流重构和深度姿态特征的行人跌倒检测方法

摘要：

随着中国老龄化人群数量的增长,老年人实时行为轨迹的跟踪检测成为当前智慧社区研究的热点.针对现有行人跌倒检测算法在面临电动车流和行人影子的干扰而导致识别准确率不高的问题,提出了一种基于光流和姿态的YOLOv5路边行人跌倒检测方法.首先采用视频抽帧的方式将原始数据输入到YOLOv5网络进行监控行人视频数据的预处理,实现行人背景重构;然后提取光流和行人姿态的参考框作为其运动特征;最后对此特征进行判定,进行信息融合的跌倒检测网络进行跌倒特征识别,并在不同帧序列和不同背景下进行对比试验.本文所提出的方法在行人跌倒数据集multiple cameras fall和Le2i上进行了实验,结果表明本文方法在基于电动车流和行人影子干扰场景下较传统方法在准确率和召回率上分别提升了9％和10％.

关键词：跌倒检测、复杂场景、光流检测、数据预处理、特征融合、模型优化

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖北省自然科学基金

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：15688-15696