基于CCTV摄像头在受试者身体部分遮挡下的老年人跌倒检测

老年人在日常生活中面临的潜在危险之一是跌倒。遮挡是基于视觉的跌倒检测系统的最大挑战之一，并显著降级其检测性能。为应对此问题，我们利用现有数据集合成专门设计的遮挡视频用于训练跌倒检测系统。然后，通过定义新的代价函数，我们引入一种利用遮挡与无遮挡视频对跌倒检测模型进行加权训练的框架，其可应用于任何可学习的跌倒检测系统。最后，我们使用非深度与深度模型评估所提加权训练方法的效果。实验表明，所提方法在遮挡条件下可将非深度模型的分类准确率提升36%，深度模型提升55%。此外，表明所提训练框架也能显著改善深度网络在正常无遮挡样本上的检测性能。