家居环境中的老年人异常行为检测

郭 子川, 苏 典, 石 闯, 于 久福, 叶 青
北方工业大学　信息学院

摘要


当前社会老龄化日趋严重，独居老人群体人数比例增大。为保证独居老人的人身安全，对老年人的异常行
为进行检测具有重要意义。本文对家居环境中的老年人异常行为检测技术进行研究。首先对监控视频进行滤波、直
方图均衡化等预处理操作；然后基于Openpifpaf提取关键点并对选定的五个人体关键点进行特征提取；接着引入长
短期记忆网络检测多帧图像，对多帧图像中关键点的坐标变化进行计算处理，对视频中出现关键点的帧数进行统计，
实现对老年人跌倒、消失、突然出现等异常行为的检测。实验结果表明该方法可用于监测老年人及其他需要关注的
特殊人群的异常行为突发事件。

关键词


家居环境；异常行为检测；人体关键点检测；长短期记忆网络

全文:

PDF


参考


[1 ] Jiang Yan, Gong Tianyi, He Lingfeng, Yan

Shicheng, Wu Xiaoping, Liu Jianyang. Fall detection on

embedded platform using infrared array sensor for healthcare

applications[J]. Neural Computing and Applications, 2023,

36(09):5093-5108.

[2]库向阳，苏学威.基于 CNN和 LSTM混合模型的

人体跌倒行为研究 [J].计算机应用研究，2019，36（12）：

3857-3859+3868.

[3]龙秋玲.基于改进 CNN-LSTM的人体行为识别

研究 [D].成都：电子科技大学，2020.

[4]卫少杰，周永霞.基于轮廓关键点和 LSTM的

摔倒检测方法 [J].计算机应用与软件，2022，39（04）：

213-217+241.

[5]于佳.基于深度学习的图像对比度增强算法 [D].

北京：北京邮电大学，2023.

[6]陈哀荣.基于姿态估计与Bi-LSTM网络的跌倒行

为识别 [J].现代计算机，2021（20）：80-85.

[7]曾鹏程.基于深度神经网络的跌倒监测算法研究

与系统实现 [D].武汉：武汉理工大学，2022.


Refbacks

  • 当前没有refback。