论文部分内容阅读
现有的基于视频的跌倒检测算法大多通过构建人体模型来检测跌倒,对类跌倒行为误判率较高且计算量过大,耗时过长。为此,提出一种基于SVM-MultiCNN模型的视觉感知跌倒检测算法。首先,从原始视频中提取人体关节点数据,从中提取跌倒特征送入SVM分类器进行初次分类;然后,将判决为类跌倒行为的分类数据输入MultiCNN分类器进行跌倒行为的二次分类。实验结果表明:与SVM,CNN,MultiCNN模型相比,改进算法的检测准确度较高,达到96.8%,且单帧检测耗时缩短近一倍,提高了检测效率。