-
题名基于人体骨架模型的远红外视频下老人摔倒检测
被引量：2
- 1
-
-
作者
王保栋
江鹏飞
董子昊
李金屏
-
机构
济南大学信息科学与工程学院
济南大学山东省网络环境智能计算技术重点实验室
济南大学山东省“十三五”高校信息处理与认知计算重点实验室
-
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2022年第1期65-73,共9页
-
基金
山东省重点研发计划项目(2017CXGC0810)
山东省高等学校科技计划项目(J18KA371)。
-
文摘
利用远红外光谱视频进行老人摔倒检测研究,提出一种基于人体骨架模型的远红外视频下老人摔倒检测算法;采用YOLOv4-Tiny算法获取远红外视频中人体目标位置,再利用COCO数据集训练的区域多人姿态估计网络模型,直接对自采集的远红外视频进行人体骨架提取,得到人体关节点序列,然后对人体骨架建立时空图卷积模型进行特征提取进而检测摔倒行为,并在自采集的远红外与可见光数据集中进行算法测试。结果表明,该算法对远红外数据集的摔倒检测准确率为87.71%,验证了算法对远红外视频下摔倒行为检测的有效性。
-
关键词
老人摔倒检测
远红外视频
人体骨架模型
时空图卷积模型
-
Keywords
elderly fall detection
far-infrared video
human skeleton model
spatial temporal graph convolution model
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于新分区策略的ST-GCN人体动作识别
被引量：6
- 2
-
-
作者
杨世强
李卓
王金华
贺朵
李琦
李德信
-
机构
西安理工大学机械与精密仪器工程学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第12期4040-4050,共11页
-
基金
国家自然科学基金资助项目(51475365)
陕西省自然科学基础研究计划资助项目(2017JM5088)。
-
文摘
人体动作识别是智能监控、人机交互、机器人等领域的一项重要技术,基于人体骨架序列的动作识别方法在面对复杂背景以及人体尺度、视角和运动速度等变化时具有先天优势。时空图卷积神经网络模型(ST-GCN)在人体行为识别中具有卓越的识别性能,针对ST-GCN网络模型中的分区策略只关注局部动作的问题,设计了一种新的分区策略,通过关联根节点与更远节点,加强身体各部分信息联系和局部运动之间的联系,将根节点的相邻区域划分为根节点本身、向心群、远向心群、离心群和远离心群等5个区域,同时为各区域赋予不同的权重,提升了模型对整体动作的感知能力。最后,分别在公开数据集和真实场景下进行实验测试,结果表明,在大规模数据集Kinetics-skeleton上获得了31.1%的Top-1分类准确率,相比原模型提升了0.4%;在NTU-RGB+D的两个子数据集上分别获得了83.7%和91.6%的Top-1性能指标,相比原模型提升了2.3%和3.3%;在真实场景下,所提模型对动作变化明显且区别大的动作如俯卧撑和慢跑识别率高,对局部运动和动作变化相近的动作如鼓掌和摇头识别率偏低,尚有进一步提高的空间。
-
关键词
动作识别
深度学习
时空图卷积神经网络模型
分区策略
骨架序列
-
Keywords
action recognition
deep learning
spatial-temporal graph convolution networks model
partition strategy
skeleton sequence
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
