基于三个特征点的人体跌倒检测.docVIP

基于三个特征点的人体跌倒检测 　　【摘 要】设计了视频监控跌倒检测系统，采用人体姿态分析，通过人体轮廓提取、星形骨架提取、人体部位识别等步骤对视频图像进行处理，首先检测出三个特征点。由特征点构成了跌倒判断的特征向量。根据三个特征点相对位置的变化和特征向量与水平地面的夹角，来区分跌倒与正常人体活动的差别。以3个志愿者的步行、坐下和蹲下三类最具代表性动作为实验样本，采用上述方法进行测试。实验结果表明系统能有效检测跌倒，总体成功率超过90%，对正常活动的误报率仅7.5%。 　　【关键词】跌倒检测；智能监控；人体骨架提取；人体部位识别 　　【Abstract】According to Computer vision technology， a video surveillance fall detection system designed which using human gesture analysis. Respectively for the body contour extraction， star skeleton extraction and body parts recognition technology processing the monitor image. Check out the three feature points， constitutes a fall determination eigenvector by the feature point. According the relative positioning of the three feature points and feature vector angle with the horizontal ground， to distinguish the difference between the normal human activity and falls. Using the above method test 3 volunteers to walk， sit and squat which three most representative action for the experimental sample. Experimental results show that the system can effectively detect a fall， the overall success rate of over 90%， the normal activities of a false positive rate of only 7.5%. 　　【Key words】Falling detection；Intelligent monitoring；Human skeleton extraction；Body parts identify 　　老年人意外跌倒一直是当今社会医疗保健的重要问题。据统计，在全球超过65岁的老年人中，每年有近30%的人会发生意外跌倒事件[1]。在我国，根据2010年第六次人口普查发现，“60岁以上”老年人口占总人口的比重达到了13.26%，“65岁及以上”老年人口则达到了8.87%。随着全国人口老龄化问题的加剧，老年人因跌倒而受到意外伤害的情况越来越受到重视。在家里，如果老年人发生跌倒并且不能及时得到救援，就会发生一系列后续症状更严重者甚至会威胁到老人生命。鉴于此，近年来跌倒检测系统的开发已倍受关注，该类系统会在跌倒发生后及时检测并发出求救，以便救援人员能够及时赶到从而避免跌倒产生的后续伤害。 　　现阶段已投入商业化的跌倒检测系统多为 “佩戴式”系统[2]，最主要的是基于压力传感器[3]和重力加速传感器[4]两大类，该系统需要老年人一直将其佩戴在身上或者放入口袋中。这些佩戴式系统一般是基于重力加速传感器或者通过手动按下求助按钮来检测跌倒状态。然而，老人往往会忘记佩戴它们，而在跌倒发生后，通常会伴随着晕厥，这样求助按钮也失去作用。 　　计算机视觉技术为此带来了新的解决方案。基于计算机视觉的跌倒检测系统无需老年人的佩戴[5]，减少了对老年人日常生活的影响。现有的基于视频处理的跌倒检测方法依然存在着很多不足，主要体现在检测的实时性和误报率高两个方面。目前基于视频图像处理的跌倒检测算法主要有两个：（1）基于人体姿势的跌倒检测系统[6]，是利用了人体从站立到跌倒的过程中姿势的剧烈变化进行检测的。优点是准确度更高，因为它是以整个人体的动作变化来判断是否发生跌倒的。缺点是如果使用该方法判断，尤其是三维人体姿势判断，需要巨大的计算量，且该系统的制作复杂，成本较高。（2）基于头部运动的跌倒检