[发明专利]一种基于小波矩的深度图像跌倒识别算法

说明书

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种基于小波矩的深度图像跌倒识别算法。

背景技术

跌倒检测是人体异常行为检测的热点问题，国内外许多人员对此展开研究。目前，主要的有以下几种方法：(1)基于可穿戴设备[文献1](P.Pierleoni,A.Belli,L.Palma,M.Pellegrini,L.Pernini,S.Valenti.A high reliability wearable device for elderly fall detection[J].IEEE Sensor.2015,15(5):4544-4553.)：使用加速度计等传感器检测对象的运动参数，舒适性和扩展性较差。(2)基于声频信息[文献2](Litvak D,Zigel Y,Gannot I.Fall Detection of Elderly through Floor Vibrations and Sound[C].Engineering in Medicine and Biology Society,International Conference of the IEEE.2008:4632-4635.)：该方法利用跌倒时身体与地面发生碰击产生的震动频率信号进行判断人体的跌倒，但是易受噪音干扰。(3)基于2D视频图像捕捉[文献3](Maldonado C,Ríos H,Mezura-Montes E,et al.Feature selection to detect fallen pose using depth images[C].International Conference on Electronics,Communications and Computers.IEEE,2016:94-100.)：通过图像处理技术检测视频监测系统获取的对象信息，然而图像传输的延迟性导致行为检测的实时性有限，光线不足和阴影下检测效果急剧下降。2010年Kinect设备的出现(提供了深度信息)为优化先前人体跌倒检测方法提供了可能，基于Kinect检测更具有舒适性和私密性的优点。

研究人员将Kinect应用于人体跌倒检测的方法大致分为两类，一类是利用Kinect骨架信息进行跌倒检测，如Kawatsu[文献4](Kawatsu C,Jiaxing L,Chung C J.Development of a Fall Detection System with Microsoft Kinect[J].Robot