摘要：
在全球老龄化趋势日益严重,而由于现代人生活方式的改变使得空巢家庭日益增多的社会背景下,老年人的健康问题成为社会关注的热点,跌倒是导致老年人受伤的主要原因,不仅在身体上,也在心理上给老年人的日常生活造成很大的影响.利用先进的传感器技术,图像处理技术以及计算机技术实现人体跌倒的自动检测,不仅能让跌倒老人得以及时治疗也能减小由于延误发现和治疗而致死的可能性.目前已有的跌倒检测方法存在诸多不足,基于环境布设传感器的跌倒检测易受环境影响,误判率高,而基于穿戴式设备的跌倒检测,由于需要穿戴传感设备,对人体活动有影响,相比之下,基于计算机视觉的跌倒检测具有高准确率以及人工介入少的优点,随着视频监控的广泛应用,基于视频的跌倒检测具有良好的发展前景.本文提出一种基于计算机视觉的室内跌倒检测算法.1.本文建立单高斯模型,分析各像素点的最新高斯分布,通过对均值进行实时的学习与更新来分割运动前景.该方法相对其他方法具有运算量小,运算速度快的优点.通过提取并且分析前景的长宽比,有效面积比和轮廓面积等特征,发现前景轮廓面积具有角度不变性,特征值受摄像头方向影响小的特点,因此选取两种不同的前景轮廓面积作为跌倒检测的特征.2.通过SVM分类器对跌倒行为和日常活动行为进行分类,并基于加拿大蒙特利尔大学的公开视频库进行实验,通过分析结果获得跌倒检测的准确率为93.7%,错判率为6.64%,漏检率为4.8%,错判主要是因为用于实验的日常行为与本文定义的跌倒行为特别类似例如躺在沙发上而漏检则是由于躺在椅子上一段时间后再跌倒在地上然后停留较短的时间.
展开
