文 献 综 述

老年人摔倒逐渐成为一个重要的公共健康问题。摔倒可能会致使老年人失去意识，造成残疾或引起死亡。因此，对老年人的行为进行跟踪分析，并自动检测出摔倒行为，使摔倒者得到及时救助是非常必要的。相比于基于可穿戴传感器的摔倒检测以及基于部署传感器的摔倒检测，基于视频流的摔倒检测具有不可忽视的优点和广泛的应用前景，例如在智能化家居、智慧医疗、老人病人监护等方面具有极为重要的作用。

基于视频的摔倒检测实现过程大致可分为四个部分：根据固定区域内的摄像头对人体的运动信息进行采集获取图像序列、对采集到的图像进行运动目标分割及预处理、人体特征提取、根据特征做出跌倒判断。跌倒算法分类如下：

（1） 无动作检测算法

在无动作检测算法中，使用的原理是人摔倒在地面上一段时间内会停止运动。在进行视频分析的时候，只要能检测到最后的这个静态特征，再结合上下文信息就能进行判断是否发生了跌倒。Miaou[[i]]等人用此方法实现跌倒的检测，采用全景摄像机来进行视频图像的采集，对于提取出来的前景目标采用外接矩形框的形式进行目标框选，根据提取出来的外接矩形框计算出每帧图像的高宽比，最后以连续的六帧图像为单位依次判断在这些图像中高宽比的变化，进而分析目标所处的状态。

无动作检测算法主要优点是计算量小，但是该方法容易产生误报，仅根据人体在地面平躺一段时间这个状态进行跌倒判断，显然证据不足。

（2） 基于头部的跌倒检测

Rougier[[ii]]提出了一种对人的头部建模，并对头部进行跟踪和分析的方法来检测跌倒。开始跟踪时目标定位在头部，然后用粒子滤波来估算头部的位置，最后获得头部3D的位置，然后分别计算头部运动的水平速度和垂直速度，并根据适当的阈值来识别跌倒行为。杨帆[[iii]]等提出了一种采用摄像头对人的深度信息和彩色信息进行采集,通过颜色-深度信息实现对头部的定位,并运用基于SVM的机器学习算法针对头部运动速度特征进行行为分类识别。

头部在整个人体部位中是最不容易被遮挡的，且与身体其他部位相比与跌倒的相关性更高。但是，从头部位位置实现的人体跌倒检测的算法依据太单一，该算法受到特定条件的约束，所以用单目相机来追踪头部的运动轨迹并不可靠。

（3） 基于形状分析的跌倒检测