32、视频监控中人体跌倒行为识别算法研究

视频监控中人体跌倒行为识别算法研究

1 算法基础与原理

1.1 光流计算

光流是图像亮度模式的速度分布，由目标与观察者之间的相对运动产生，能表示目标的空间分布及其变化。过去几十年，众多学者研究光流计算，如 Lucas - Kanada 稀疏光流法和 Horn - Schunck 密集光流法。这里采用 Horn - Schunck 方法计算光流，假设入射光均匀、反射光平滑，特定像素亮度固定，有公式：
[
\frac{\partial J}{\partial t}=\frac{\partial J}{\partial x}\frac{dx}{dt}+\frac{\partial J}{\partial y}\frac{dy}{dt}+\frac{\partial J}{\partial t}=0
]
令 (g = \frac{dx}{dt})，(h = \frac{dy}{dt})，则公式可写为 (J_xg + J_yh + J_t = 0)，其中 (J_x)、(J_y) 和 (J_t) 分别表示在 (x)、(y)、(t) 方向的偏导数。利用该公式可获取更可靠的人体特征数据。

1.2 人体行为特征

由于人体行为识别的多样性和背景的复杂多变，为保证良好的识别精度，行为特征需准确描述人体行为，不受外部因素影响，具备强鲁棒性。人体轮廓在不同场景下对光栅、颜色和纹理具有不变性，从轮廓提取的人体行为特征对这些变化有良好的鲁棒性，能很好地代表人体行为。

1.3 人体跌倒行为识别

采用深度学习算法结合混合神经网络技术完成人体跌倒行为识别。提出轨迹注意力图，可在卷积特征图上定位视频中的运动