论文部分内容阅读
随着社会的进步,人口老龄化已经是我国乃至全世界社会发展中不可避免的问题。老年人由于生理机能的逐渐下降,身体协调能力的减弱,视线的模糊等原因,很容易发生跌倒行为。跌倒带给老年人的不仅是身体上的创伤,更是心理上的负担。因此建立一套智能化的家庭监控系统用于发现老年人跌倒,并第一时间通知相关的联系人来进行救治已经成为发展的趋势。本文利用Kinect v2摄像头获取老年人的骨骼点数据和彩色图信息进行研究分析,得到判断老年人发生跌倒行为的条件。本文在对当前跌倒检测方法的分析和总结的基础上,采用基于Kinect v2的跌倒检测方法对老年人的跌倒行为进行研究预测。在Kinect v2获取的骨骼点数据和彩色图像的基础上,研究内容分为两部分,分别为基于骨骼点特征的跌倒检测和基于卡尔曼滤波的跌倒检测。基于骨骼点特征的跌倒检测方法主要利用骨骼跟踪技术,选取人体中心点,两髋中心点,右脚掌等3个骨骼点,实时计算人体中心点的空间位置,运动速度,以及两髋中心点的位置关系,离地面高度等参数,首先对跌倒时的速度阈值和高度阈值进行了大量的实验分析,得到阈值范围,初步判断老年人是否发生跌倒行为,由于阈值判断标准的维度单一,可能忽略了跌倒行为的运动特征,同时受个体的影响较大。因此利用人体中心点下降过程中相邻10帧的速度变化求得加速度序列,然后利用隐马尔可夫模型对加速度观测序列进行训练,计算出匹配概率P,从而判断老人是否发生跌倒事件。基于卡尔曼滤波的跌倒检测主要是利用Kinect v2摄像头获取视频序列图像,然后采用自适应背景模型的策略,利用背景差分法来对老人进行检测,应用卡尔曼滤波对老人的运动轨迹进行预测,通过运动轨迹预测模型和实际运动模型进行匹配运算,从而判断老人是否发生跌倒事件。最后我们用两种检测方法构建同一个跌倒检测系统,通过实验来验证系统的可靠性,经过实验分析验证,本文的方法是可行的。