基于关节点提取的老年人跌倒检测算法

• 作者: 刘宁钟 袁鹏泰
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: yolo openpose SVM 关节点提取 跌倒检测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 应用开发研究
• 页码范围: 200-204,151
• 页数: 6页
• 分类号: TP301.6
• 字数: 4783字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.09.038

摘要

随着人口老龄化问题日益严重,老年人的安全问题变得愈加重要,而对老年人安全问题威胁最大的便是老年人的跌倒问题,因此文中提出了一种基于关节点提取以及SVM分类器的老年人跌倒检测算法.首先通过改进的yolo算法检测出视频帧图像中的人所在的位置,然后将单个人的图像送入openpose算法中获得这个人的关节信息.之后再通过SVM分类器对获得到的关节点信息进行分类,以得到这个人所处的状态(此处将人可能处于的状态分为4类——正常状态、跌倒状态、平躺状态以及其他状态).对于整段视频便得到一个状态序列集,之后对这个状态序列集进行分析便能够检测出视频中是否有跌倒事件发生.经实验对比,该算法对于单人存在的场景有着98％以上的准确率,并且对于多人存在的场景具有一定的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宁钟	南京航空航天大学计算机科学与技术学院	36	354	9.0	18.0
2	袁鹏泰	南京航空航天大学计算机科学与技术学院	3	3	1.0	1.0