14、基于模糊集的人体跌倒模式识别

基于模糊集的人体跌倒模式识别

1. 引言

人体姿势识别是计算机视觉和模式识别中的核心问题之一，在环境智能、监控、动作识别、人机交互、老年人健康护理等众多应用领域都有着重要地位。其中，跌倒检测是人体姿势识别的一项重要任务，对于辅助生活应用，尤其是老年人监测而言，快速准确地识别跌倒至关重要。

目前存在多种跌倒检测方法，主要可分为以下几类：
- 穿戴设备类 ：人们需佩戴小型化设备来收集参数，检测到跌倒时触发警报，如各类加速度计或运动/振动传感器。不过，这类方法存在一些不足，比如人们可能不愿佩戴传感器或疏忽佩戴，而且设备容易产生误报。
- 传感器类 ：在用户环境中放置各种传感器，像基于地板振动和声学传感的解决方案，甚至安装灵敏地板砖。但这些传感器通常固定在特定环境中，人员位置改变时难以移动，且声学和振动传感器价格昂贵、较为脆弱，还可能需要特殊的运行条件。
- 视觉数据处理类 ：这类方法不受上述两类方法的限制，涵盖了头部运动分析、形状运动分析和静止检测等多种解决方案。

本文提出了一种基于模糊模式的人体跌倒识别方法，用于在分割后的红外视频序列中检测多种跌倒类型。该方法的分割阶段基于累积计算方法和一些红外光谱处理算法，能够分割原始图像、检测人体候选区域，并确定和确认分割后人体的感兴趣区域（ROI）。重点在于一个新颖的模糊模型，它根据视频序列中预先检测到的人体的几何、时间和运动学参数来获取跌倒模式。

2. 跌倒模式识别

2.1 跌倒指标的确定

跌倒被定义为在重力作用下下落或自由落下，可用几个描述视频序列