摘要
随着中国进入老龄化社会，老人人口数不断增加。解决老人独居时的安全问题是当下积极应对人口老龄化的重要任务之一。其中最常见的是老人摔倒问题，这也引起了社会的极大关注。如果老人摔倒后能够救助及时的话，就能大概率减少面临住院和死亡风险。因此，对老人摔倒检测算法的研究具有重要的实际意义。在当前摔倒检测的算法网络中，检测结果的准确度和精确度仍存在一定的优化空间，本文基于人体姿态估计提出了三种改进的老人摔倒检测算法，主要研究内容如下： (1)以Openpose算法为基础，设计实现一种基于Openpose和MobileNetV3的老人摔倒检测算法。旨在对原始网络对关键点标注过程中产生的偏差问题进行修正，提高特征提取能力。在Openpose人体关键点识别网络上，提出将MobilNetV3结构代替原Openpose中的VGG19网络，在初始阶段和强化阶段使用共享卷积层和残差膨胀结构优化网络，随后对网络采用了dropout技术防止过拟合，再引入空间和通道相结合的注意力机制模块CBAM代替原模块SENet，在降低网络参数的同时增强特征表达能力。最后在URFall和Le2i公共数据集上经过验证准确率分别是97.2%和94.4%，高出所列出的对比方法，尤其在URFall数据集上的精确率达到99.8%，在避免错报的问题上性能表现更好。 (2)以Blazepose算法为基础，设计实现一种更轻量化的老人摔倒检测算法Blazepose-LSTM。针对老人日常行为以及摔倒动作的多样性，容易造成遮挡导致重要特征信息丢失的问题，提出采用Blazepose算法网络来提取关键点信息；再提出更新优化偏移向量获得人体边界框的头部检测器，减少头部检测器的使用频率，解决人体关键点信息容易丢失的问题；然后结合长短期记忆神经网络LSTM解决时间序列依赖的问题，最后在URFall和Le2i公共数据集上经过实验验证准确率分别是97.8%和96.4%，不仅高出所列出的对比方法，并且在本文所提出的三种优化算法对比下在URFall数据集上的准确率和帧率都取得了更好的效果。 (3)以Alphapose算法为基础，设计实现一种基于Alphapose和CNN-LSTM的老人摔倒检测算法。首先提出采用YOLOX轻量化网络模型代替原算法中的YOLOV3网络对人体目标进行检测，能够更快速得到人体目标检测框信息、置信度得分以及分类信息。在人体目标跟踪部分使用Deepsort结合YOLOX的方法对人体进行跟踪，解决目标跳变的问题以及改善人体目标在有遮挡的情况下的目标追踪效果，然后送入SPPE进行推理，获得人体关键点信息并得到人体状态骨架图，对得到的骨架图进行坐标转换和二值化等操作，去除环境物体产生的干扰信息。接着采用CNN-LSTM对预处理之后的人体姿态骨架图进行时空特征信息提取，最后在URFall和Le2i公共数据集上经过实验验证的准确率分别是96.65%和97.5%。不仅高出所列出的对比方法，并且在所提出的三种优化算法对比下在Le2i数据集上准确率和避免漏报的问题上都取得了更好的效果。
NETL