基于轻量级OpenPose模型的跌倒检测算法

伏娜娜; 刘大铭; 程晓婷; 景云云; 张馨芳

doi:10.13873/J.1000-9787(2021)11-0131-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于轻量级OpenPose模型的跌倒检测算法

计算与测试 | 更新时间：2025-09-11

- 基于轻量级OpenPose模型的跌倒检测算法
- 暂无标题
- 传感器与微系统 2021年第11期页码：131-134+138
- 作者机构：
  
  宁夏大学物理与电子电气工程学院
- 作者简介：
- 基金信息：
  
  宁夏大学研究生创新项目(GIP2021007);宁夏自然科学基金资助项目(2021AAC03113)
- DOI：10.13873/J.1000-9787(2021)11-0131-04
  中图分类号： TP391.41
- 纸质出版：2021
- 稿件说明：
移动端阅览
伏娜娜, 刘大铭, 程晓婷, 等. 基于轻量级OpenPose模型的跌倒检测算法[J]. 传感器与微系统, 2021,(11):131-134+138.
伏娜娜, 刘大铭, 程晓婷, 等. 基于轻量级OpenPose模型的跌倒检测算法[J]. 传感器与微系统, 2021,(11):131-134+138. DOI： 10.13873/J.1000-9787(2021)11-0131-04.

DOI：

摘要

针对现有跌倒检测方法识别效率低、检测过程实时性有待提高的问题

提出了一种基于Yolov5s人体目标检测结合轻量级OpenPose人体姿态估计模型的跌倒检测算法。首先

利用Yolov5s算法检测出人体的包围框

将Yolov5s的输出作为轻量级OpenPose网络的输入实时得到人体骨骼关键点坐标。然后

利用选取的4个骨骼关键点坐标计算人体中心点的下降速度。最后

通过中心点的下降速度结合人体宽高比来判断人体是否发生跌倒

并利用单目相机进行检测。实验结果表明:网络对行为检测准确率平均值达到95.43%

检测速度达到25 fps。

Abstract

关键词

Keywords

references

Leila Panahi,Vahid Ghods.Human fall detection using machine vision techniques on RGB–D images[J].Biomedical Signal Processing and Control,2018.

de Miguel Koldo,Brunete Alberto,Hernando Miguel,Gambao Ernesto.Home Camera-Based Fall Detection System for the Elderly.[J].Sensors (Basel, Switzerland),2017.

王莉,何牧天,徐硕,袁天,赵天翊,刘建飞.基于YOLOv5s网络的垃圾分类和检测[J].包装工程,2021(08).

杨海清,石珏.基于姿态估计的静态图像跌倒检测方法[J].传感器与微系统,2020(10).

徐涛,孙威,色海锋,卢少微,王晓强,马克明.老人跌倒姿态实时识别系统设计[J].传感器与微系统,2020(03).

朱连杰,陈正宇,田晨林.基于可穿戴设备的跌倒检测方法综述[J].计算机工程与应用,2019(18).

李京慧,迟宗涛,李钟晓.基于阈值分析法的人体跌倒检测系统[J].传感器与微系统,2019(08).

孙朋,夏飞,张浩,彭道刚,马茜,罗志疆.改进混合高斯模型在人体跌倒检测中的应用[J].计算机工程与应用,2017(20).

罗丹,罗海勇.基于随机森林的跌倒检测算法[J].计算机应用,2015(11).

浏览量

2975

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于智能AI的传感器应用

一种新型注意力机制的双人交互行为识别方法

基于腕部穿戴设备的人体跌倒检测系统设计

面向校园场景视频监控的人体行为识别方法

基于深度学习的散斑图应变场测量