基于压缩感知的跌倒检测隐私保护方法
计算机视觉与模式识别
2020-01-13 v1
摘要
跌倒检测在医疗健康领域极为重要，及时检测可实现即时医疗援助。在此背景下，我们提出一种由3D Inception模块构成的3D ConvNet架构用于跌倒检测。该架构是Inflated 3D (I3D)架构的定制版本，其以压缩感知框架获取的视频序列压缩测量作为时空输入，而非像I3D卷积神经网络那样以视频序列作为输入。采用此方式是因为通过RGB摄像头监测患者引发了巨大的隐私担忧。所提跌倒检测框架对多种测量矩阵具有灵活性。我们从Kinetics-400中随机选取十个不含跌倒示例的动作类别，在原始视频片段上以不同类型的感知矩阵对压缩感知后的3D ConvNet进行训练。结果表明，3D ConvNet性能在不同感知矩阵下保持不变。此外，在基准数据集的压缩感知跌倒视频上，经Kinetics预训练的3D ConvNet所得性能优于当前最优技术。
引用
@article{arxiv.2001.03463,
title = {Compressive sensing based privacy for fall detection},
author = {Ronak Gupta and Prashant Anand and Santanu Chaudhury and Brejesh Lall and Sanjay Singh},
journal= {arXiv preprint arXiv:2001.03463},
year = {2020}
}
备注
accepted in NCVPRIPG 2019