计算机工程

作者：陈文轩, 曾碧, 郭植星

单位：广东工业大学 计算机学院, 广州 510006

关键词：图卷积网络,轻量级网络,摔倒检测,多特征融合,语义信息,训练策略

基金：国家自然科学基金（61703115）；广东省自然科学基金（2018A030313868）。

摔倒事件严重影响老年人的生命健康，对摔倒行为进行检测可以降低老年人再次跌倒的风险，从而保证其生活能力以及提高生活质量。目前基于视觉的摔倒检测方法在实验数据集上能够取得较好的精度，但是无法很好地泛化到现实环境中，在实际应用时往往并不符合动作判断逻辑。针对该问题，对比光流法以及基于人体姿态估计的方法，在2D人体姿态估计的基础上提出一种鲁棒的摔倒检测方法。设计一种摔倒检测优化框架，构建融合多特征与语义图卷积的检测模型，采用更贴合动作判断逻辑的训练策略对该模型进行训练，以提高摔倒检测系统在现实环境中的泛化性。在Le2i Fall Detection Dataset、UP Fall Detection Dataset和Multiple Cameras Fall Detection Dataset这3个公开数据集以及自收集数据集上进行实验，结果表明，该模型的总体检测准确率达到98.3%，基于所提优化框架与训练策略的模型配合YOLOv3和Alpha_pose实现的整体摔倒检测方法在GTX1060显卡中帧率达到约25FPS，在现实场景测试中体现出较好的鲁棒性，相较以往的基于视觉的检测方法更适合部署在实际应用环境中。

来源：2023年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第5期