基于视觉的跌倒检测系统的深度学习：增强型光流动态法
计算机视觉与模式识别
2021-04-14 v1
摘要
准确的跌倒检测对于辅助老年人至关重要，可减少因跌倒导致的死亡或伤害事件。同时，基于视觉的跌倒检测系统已在跌倒检测方面显示出一些显著成果，但仍有诸多挑战需要解决。深度学习的影响改变了基于视觉的系统（如动作识别）的格局。由于需要大量计算能力及大量样本训练数据，深度学习技术尚未成功应用于基于视觉的跌倒检测系统。本研究旨在提出一种基于视觉的跌倒检测系统，以提升在部分复杂环境（如室内光照条件变化）中的跌倒检测准确率，并提升视频图像预处理性能。所提系统由增强型动态光流技术组成，其通过秩池化方法对光流视频的时间数据进行编码，从而改善跌倒检测处理时间并提升动态光照条件下的分类准确率。实验结果表明，跌倒检测分类准确率提升约 3%，处理时间缩短 40 至 50 ms。所提系统专注于减少跌倒检测处理时间并提高分类准确率，同时利用动态光流技术提供将视频汇总为单帧的机制，有助于提升图像预处理步骤的性能。
引用
@article{arxiv.2104.05744,
title = {Deep Learning for Vision-Based Fall Detection System: Enhanced Optical Dynamic Flow},
author = {Sagar Chhetri and Abeer Alsadoon and Thair Al Dala in and P. W. C. Prasad and Tarik A. Rashid and Angelika Maag},
journal= {arXiv preprint arXiv:2104.05744},
year = {2021}
}
备注
16 pages