论文总字数：19114字

摘 要

人口老龄化已成为我国的一个重要国情，老年人独居的现象也越来越常见，成为社会和家庭的重点关注话题。随着年龄的增加，老年人摔倒的概率也不断增加，每年约有30%的老年人摔倒。各种研究数据表明，摔倒可能会给老人的身体带来严重的损伤，轻则包括浅表摔伤和皮肤擦伤，重则会导致骨折甚至死亡，成为老年人健康的主要威胁之一。

针对这一现象，本文提出基于 Kinect 设备获取的深度图像、骨骼图像和骨骼坐标，实现人体摔倒行为的识别和判断。在理解掌握Kinect设备的图像识别、骨骼追踪和红外线探测等功能后，结合人体摔倒时的动作特征，拟选取人体中心点和两髋中心点这两个骨骼点作为检测目标。本文实验结果表明Kinect基于人体中心点、两髋中心点位置坐标的检测，可实时检测人体摔倒行为，该系统对单人样本行为检测的准确率可以达到90%，也可准确识别多人环境中的摔倒行为。利用Kinect设备的实时骨骼跟踪技术，可准确形象地捕捉到人体的摔倒动作，该系统满足家庭环境使用需求，设备价格适宜，使用简单，骨骼图像和深度图像不会暴露使用者的隐私，适合大范围推广和使用。同时Kinect设备无需穿戴，识别范围广，使用者可在识别范围内随意活动，不会影响日常活动，具有良好的实用性和舒适性。

关键词：动作识别；摔倒检测；骨骼图像；Kinect

Abstract

Aging has become an important national condition in China. The phenomenon of living alone among the elderly is becoming more and more common and has become the focus that society and families cannot ignore. With the increase of age, the probability of the elderly falling down also increases, with about 30% of the elderly falling down every year. Various research data show that falling down may bring serious damage to the body of the elderly, ranging from superficial falls and skin abrasions to fractures and even death, becoming one of the major threats to the health of the elderly.

Based on this phenomenon, this paper proposes to recognize and judge the fall behavior of human body based on the depth image, bone image and bone coordinates obtained by Kinect equipment. After understanding and mastering the image recognition, bone tracking, infrared detection and other functions of Kinect equipment, combined with the movement characteristics of the human body when falling down, it is proposed to select the two bone points of the human body center point and the two hip center points as detection targets. The experimental results in this paper show that Kinect can detect the falling behavior of human body in real time based on the detection of the coordinates of the center point of the human body and the center points of the two hips. The accuracy rate of the system for detecting the behavior of single sample can reach 90%, and it can also accurately identify the falling behavior in multi-person environment. The real-time bone tracking technology of Kinect equipment can accurately and vividly capture the fall action of human body. The system meets the use requirements of family environment. The equipment is suitable in price and simple to use. Bone images and depth images will not expose the privacy of users and are suitable for large-scale promotion and use. At the same time, Kinect equipment does not need to be worn, has a wide identification range, allows users to move freely within the identification range, does not affect daily activities, and has good practicability and comfort.

Key words：：action recognition；fall detection；bone image；Kinect

目 录

第1章 绪论 1

1.1研究背景及意义 1

1.2人体动作识别概述 1

1.3国内外研究现状 2

1.4研究内容及组织结构 3

1.4.1研究内容 3

1.4.2文章组织结构 3

第2章 算法原理分析 5

2.1摔倒特征研究 5

2.2Kinect骨骼追踪技术 6

2.3图像分类原理 8

2.3.1图像分类介绍 8

2.3.2 Inception网络模型 8

第3章 摔倒检测方案设计 10

3.1 总体方案设计 10

3.2基于关节点坐标识别方案设计 11

3.3 基于Inception网络模型识别方案设计 15

第4章 实验测试与结果分析 16

4.1基于关节点坐标识别测试结果 16

4.2 Inception网络模型识别测试结果 20

4.3结果对比分析 21

第5章 结论与展望 22

5.1总结 22

5.2展望 22

参考文献 23

致 谢 24

第1章 绪论

1.1研究背景及意义

中国进入老龄化社会已接近二十年，老年人口数量不断增加，截至2018年底，我国60岁以上的老年人口占比高达17.9%。人口老龄化是我国未来较长时间的基本国情，老龄人口中空巢化、老龄化、农村化等特点显著，也是社会发展面临巨大考验。在老年人的日常生活和独居过程中，他们的各项身体机能下降，行动缓慢不便，摔倒等动作给老年人的生命安全带带来了很大的威胁。同时，年轻人外出工作情况越来越常见，大部分老年人处于独居或群居状态。在这种生活环境下，老年人的各种突发状况无法及时有效地解决，会给老年人的身体带来严重的损伤，但很多家庭无法负担起家庭和看护人24小时的看护费用。世界卫生组织公布的数据表明^[1]，世界上每年约有15万60岁以上的老人死于摔倒，摔倒已成为造成老年人受伤的重要原因之一。

现如今人工智能已经逐步进入家庭和生活中，各种智能家具和电器也应运而生。随着车牌识别、人脸识别等技术的广泛应用，研究人员也开始研究智能化的视频监控，希望能自主识别生活中人体的各种姿态动作。智能家具越来越受消费者喜爱，视频处理技术也愈发成熟，许多学者利用图像处理和识别算法来实现人体摔倒动作的识别，若将此方法应用于家庭等室内环境，可以及时发现老人摔倒的情况并发送相应的提醒信息，帮助家庭照顾好老人的日常起居，提高老年人居家幸福感和安全感。

1.2人体动作识别概述

现阶段对人体动作识别主要采用以下两种方法，一种方法是人体穿戴各种设备^[2]，利用可穿戴的设备和传感器来采集人运动时的各种参数，随后利用电脑和算法对各部位传感器返回的数据进行处理和分析，准确反映人体的动作并加以识别。在日常生活中我们最常见到的穿戴设备是加速度计和陀螺仪，利用传感器获取人体运动过程中的加速度与角度变化值，进而描绘人体的运动行为。这种方法获得的数据能直接反馈运动信息且准确度高，但穿戴设备会束缚人体的动作，极大的缩小了其应用范围。另一种方法则基于计算机视觉系统，通过摄像头获得所需的各种图像和视频信息，然后利用算法和各种软件工具进行后期处理，提取出的人体特征来进行动作识别。这种方法很好的解决了上一种方法中设备对人体的束缚，对人体活动的限制较小，一定程度上提高了动作识别的实用性，缺点是受环境影响较大，光照、障碍物遮挡等会影响识别的准确性。

人可以通过视觉十分简单的识别各种动作并加以区分，但是利用机器视觉实现人体动作描绘和图片分类识别，却是一项十分复杂和具有创造性的工作，许许许多多的研究人员都对这个课题进行了研究实验，但依然面临许多挑战。人体的动作识别可大致分为三个步骤，一是数据采集，二是特征提取，三是动作识别。数据的采集依赖设备的改进，现在的摄像头性能大幅提高；特征提取上也涌现了许多理论和算法，都为动作识别这一目标打下了坚实的基础。

请支付后下载全文，论文总字数：19114字