摘要
随着老龄化社会的到来，老年人健康监护问题备受关注。其中，跌倒已经成为老年人的身体意外伤害的主要原因。由于准确及时的老年人跌倒检测，能够使跌倒的老年人得到及时的医疗救助，减少对身体的伤害，所以跌倒检测成为了老年人健康监护研究的一个热点。借此背景之下，本文基于Kinect相机开展跌倒检测研究，其主要研究内容如下： （1）针对传统跌倒检测算法中目标跟踪与姿态特征提取实时性差和具有主观性的缺陷，提出一种基于相关滤波器与随机森林的跌倒检测算法。该方法首先使用轻量的神经网络提取图像内感兴趣的特征。其次，将提取到的特征与相关滤波器进行相关运算获得相关信息，同时该特征还将输入随机森林分类器中作为姿态识别的输入。然后，将相关信息通过傅里叶逆变换获得最终的响应图完成目标跟踪，同时随机森林分类器对人体姿态特征完成姿态识别，完成跌倒检测任务。最后通过试验验证该方法是有效的并具有良好的实时性与准确率。 （2）针对目前跌倒检测使用单一类型的数据作为算法数据基础，使得对于跌倒姿态的描述不全面，造成算法识别率低的问题，本文提出一种基于多源数据特征融合的跌倒检测算法。该算法分别针对深度图像数据、传感器加速度数据、骨骼数据进行处理。其中对于深度图像数据首先进行滤波去噪的预处理，之后构建一个CNN-LSTM模型提取深度图像特征并完成跌倒姿态识别；对于传感器加速度数据，搭建了一个LSTM神经网络模型，然后通过使用该数据结合贝叶斯优化方法给出该模型的最优超参数，确定模型的结构，并完成神经网络训练输出姿态识别结果；对于骨骼数据，借助人体姿态变化规律的特点，人为定义了四种跌倒特征，并构建了一个随机森林分类器完成跌倒检测；之后通过基于注意力机制的方法获得各个模型的注意力权重，根据该权重分布进行融合。最后通过试验验证各个模型具有良好的性能。 （3）以上述算法为理论基础，实现基于Kinect的社区老人跌倒检测平台。面向老年人、社区工作人员、医院三个目标群体进行需求分析，确定平台的功能要求。然后根据功能要求完成对数据库表以及表关系的设计。最后通过相关开发框架实现该平台对老年人用户跌倒事件的实时监测、及时医疗救助以及社区老年人健康信息统计等功能。
NETL