基于CNN的室内跌倒行为检测系统的开发

沈阳理工大学 鲁普东 王 茜 杨诗琪 李思涵 刘健强 祁 燕

为了提高对视频中特殊人群跌倒检测的准确率，提出了一种新型的室内跌倒检测模型。采用卷积神经网络中的VGG-16网络模型，在数据集中加入大量公用的跌倒行为数据集进行学习训练，在此基础上使其具有判断能力。使用光流法处理图像，大大除去背景环境的干扰，系统可以在任意环境下使用。实验结果表明，所设计的新型室内跌倒检测模型相较于传统跌倒检测算法具有更高的识别准确率和较低的误报率，较好的实现跌倒检测。

跌倒表示突然的倒下，倒在同一水平面或者更低的平面上。我国老龄化越来越严重，社会人口结构呈现老年状态，与此同时，老年人的跌倒问题也是日益严重，已经成为引起老年人受到严重伤害甚至死亡的一个重要原因。研究表明，在65周岁以上的老年人中，有33%的老年人每年至少会发生一次跌倒，其中4%～15%的跌倒行为导致老年人受到了严重伤害，人口老龄化导致越来越多的独居老人出现。所以提出一个室内跌倒行为实时检测系统就显得十分重要。本课题拟开发一个基于CNN的跌倒行为检测系统。该系统可以提取摄像头视频中的人体运动信息，对这些信息进行行为检测，当检测到有跌倒行为发生时系统可以及时发出警报。

1 相关研究

目前检测跌倒的主要方法分为两类，一是基于传感器的智能设备，二是基于计算机视觉的检测算法。

基于传感器的智能穿戴式设备实现实时跌倒检测通常采用加速度传感器陀螺仪或辅助报警按钮。……