17、可穿戴相机自动跌倒检测与活动分类及多相机跟踪算法解析

可穿戴相机自动跌倒检测与活动分类及多相机跟踪算法解析

在许多领域，如老年人健康监测、视频监控和智能环境等，对人体活动的准确检测和分类至关重要。本文将介绍可穿戴相机在跌倒检测和活动分类方面的应用，以及多相机跟踪算法的相关内容。

可穿戴相机自动跌倒检测与活动分类

1. 光学流分析与活动判断

• 坐姿与躺姿的光学流特征 ：通过分析相机捕捉的光学流向量的水平和垂直幅度，可以判断人体的活动状态。例如，在坐姿活动中，会观察到明显的垂直流，这意味着相机的主导垂直运动暗示人正在转变为坐姿状态。而对于躺姿，通常是先坐下，然后继续躺下，相机先有主导的垂直运动，随后转变为水平运动，这种运动变化信息结合上下文信息有助于区分躺姿和坐姿。
• 示例说明 ：从相关示例帧可以看到，坐下过程是相机相对于前方场景的逐渐垂直运动；躺下事件则是先坐下，接着场景出现水平运动。

2. 实验设置与评估指标

• 实验类型
  • PC 处理实验 ：使用相机附着在不同受试者的腰部，录制视频后在 PC 上进行处理。
  • 嵌入式智能相机实验 ：在 CITRIC 相机板的微处理器上实时捕获和处理图像。
• 评估指标 ：为了评估跌倒实验的性能，使用灵敏度（Sensitivity）和特异性（Specificity）指标。