一种稳定的2D骨骼捕捉策略及摔倒检测方法
wf（2022）
Abstract
在中国社会老龄化的背景下,基于深度学习的摔倒检测方法研究日益重要,而最有前景的当属基于普通RGB摄像机提取骨骼点的摔倒检测方法.目前公开的摔倒数据集大多是视频流数据,存在骨骼数据提取困难、标注需要耗费大量人力等不足,而且以往研究者们在研究基于骨骼点的摔倒检测算法时仅注重于训练出鲁棒的摔倒判别模型,并没有重视目标检测与目标跟踪算法而导致的整体系统不稳定、误判率高问题.基于此,提出了一种骨骼捕捉策略及摔倒检测方法,骨骼捕捉策略可过滤掉摔倒数据集的干扰,提取到更适合训练的骨骼点同时减少大量的人力;而摔倒检测方法包括训练数据处理以及检测系统逻辑优化,能实现系统实时性的同时保证系统的稳定性,降低摔倒检测系统的误判率.通过实验验证了方法的有效性,在Le2i Fall数据集、UP Fall数据集及Mutiple Camers Fall数据集上提取骨骼点来训练LSTM模型,精度达93％,并采用自拍摄视频对系统进行了测试,在GTX1060显卡中达到45 fps同时达到较好的效果.
MoreTranslated text
Key words
fall detection,bone capture strategy,system framework optimization,reality generalization
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined