论文部分内容阅读
随着人民生活水平的日益提高和医疗健康领域的快速发展,传统的疾病问题已经拥有了有效的治疗方案,因此摔倒致死成为了最首要的老人健康问题之一。而随着近些年计算机科学、模式识别以及现代通信等技术的迅速发展,摔倒检测技术逐渐变成了学者研究的热门问题。本文提出了一种基于视频的摔倒检测算法。该算法主要包括运动目标检测、运动跟踪、融合特征提取以及摔倒行为检测四个步骤。并利用Le2i摔倒数据集对本文提出的基于视频的摔倒检测算法进行了测试,实验结果说明该算法摔倒检测的准确率达到了99.30%。本文主要的研究内容如下:1.本文以ViBe算法为基础提出了一种基于Lab色彩空间和ViBe改进的运动目标检测算法。由于Lab色彩空间中的红-绿通道与阴影具有最大无关性,因此可以利用这一特征去除阴影。同时该算法提出了检测结果后验概率的概念,根据这个后验概率进行背景模型的更新,因此提高了算法抗噪声干扰能力。最后将本文所提出的算法和ViBe、SuBSENSE以及CodeBook三种算法进行主观和客观的对比,对比结果说明本文提出的算法在抗噪声干扰能力、实时性、阴影抑制等方面优于另外三种算法。2.为了实时掌握目标对象的运动状态,本文提出了一种基于卡尔曼滤波改进的目标跟踪算法。针对现有的目标跟踪算法中目标匹配正确度不高等问题,本文提出的算法利用Lab色彩空间红-绿通道的颜色直方图和预测距离的综合信息进行目标匹配,以此提高了目标匹配的准确率。当发生目标对象被遮挡的情况时,该算法利用卡尔曼滤波的预测值作为跟踪的最终结果,从而有效地解决了遮挡问题。最后利用本文提出的算法进行了单目标跟踪与多目标跟踪实验,实验结果表明本文提出的基于卡尔曼滤波改进的目标跟踪算法的目标匹配正确度极高。3.为了准确表达人体运动状态的特征,本文提取并融合了有效面积比、人体宽高比、中心变化率、HOG特征、Hu不变矩以及人体主轴和水平方向的夹角这六项特征,从而利用得到的融合特征作为摔倒检测的重要指标。4.由于使用单帧图像特征进行摔倒检测的准确率过低,而使用连续多帧图像特征进行摔倒检测的时间复杂度过高,因此,本文提出了一种基于SVM的三帧法摔倒检测算法。该算法提取三帧具有相同时间间隔的图像融合特征,并将这三帧图像融合特征值作为SVM分类器的输入值来训练分类器。最后利用Le2i摔倒数据集将本文提出的算法和Charfi等人提出的算法进行了对比试验,实验结果表明本文提出的基于SVM的三帧法摔倒检测算法在各方面的性能指标都优于Charfi等人提出的算法。