基于人体骨骼数据的两阶段跌倒事件分类
计算机视觉与模式识别
2022-08-26 v1 人工智能
摘要
跌倒检测与分类已成为医疗健康应用中的紧迫问题，尤其在人口老龄化日益加剧的背景下。目前，大多数跌倒分类算法仅提供二分类的跌倒或非跌倒判定。为更好地服务医疗健康，仅做二分类跌倒判定是不够的，还需扩展到多种跌倒事件分类。本工作中，我们利用保护隐私的人体骨骼数据进行多种跌倒事件分类。骨骼特征从原始RGB图像中提取，不仅缓解个人隐私问题，也降低动态光照的影响。所提出的跌倒事件分类方法分为两阶段。第一阶段训练模型实现二分类以滤除非跌倒事件；第二阶段训练深度神经网络（DNN）模型进一步分类五种跌倒事件。为验证所提方法的有效性，在UP-Fall数据集上的实验优于当前最优方法。
引用
@article{arxiv.2208.12027,
title = {Two-stage Fall Events Classification with Human Skeleton Data},
author = {Leiyu Xie and Yang Sun and Jonathon A. Chambers and Syed Mohsen Naqvi},
journal= {arXiv preprint arXiv:2208.12027},
year = {2022}
}