基于深度视觉传感器和卷积神经网络的跌倒检测算法

您当前的位置：

首页 >

文章列表页 >

光学测量 | 更新时间：2025-09-01

- 基于深度视觉传感器和卷积神经网络的跌倒检测算法
- Fall detection algorithm based on depth vision sensor and convolution neural network
- 光学技术 2021年47卷第1期页码：56-61
- 作者机构：
  
  1:泰州职业技术学院机电技术学院
- 作者简介：
- 基金信息：
  
  江苏省高校自然科学研究面上项目(20KJD510008);泰州市科技支撑计划项目(TS201817);泰州市科技支撑计划项目(SSF20190101);泰州职业技术学院科研项目(TZYKY-19-14)
- DOI：10.13741/j.cnki.11-1879/o4.2021.01.011
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
朱艳, 张亚萍, 李曙生, 等. 基于深度视觉传感器和卷积神经网络的跌倒检测算法[J]. 光学技术, 2021,47(1):56-61.

Fall detection algorithm based on depth vision sensor and convolution neural network[J]. 2021, 47(1): 56-61.
朱艳, 张亚萍, 李曙生, 等. 基于深度视觉传感器和卷积神经网络的跌倒检测算法[J]. 光学技术, 2021,47(1):56-61. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.011.

Fall detection algorithm based on depth vision sensor and convolution neural network[J]. 2021, 47(1): 56-61. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.011.

为提高传统跌倒检测系统的识别准确率

降低识别时间

提出了一种新型跌倒检测模型。以Kinect V2深度视觉传感器获取的骨骼节点为样本数据源

由改进型K-means算法计算聚类中心点

并在此基础上提取跌倒检测特征数据。将特征数据重构成5×5训练样本数据后

输入所设计的卷积神经网络模型进行训练学习

得到优化的跌倒检测模型参数。实验表明

所设计的新型检测模型相对于传统检测跌倒算法具有更高的识别准确率和更快的运算速度

保证了系统的实时性和鲁棒性要求。

浏览量

502

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测

基于双通道神经网络的图像脉冲噪声降噪