典型文献
基于注意力机制子网络的时空跌倒检测算法
文献摘要：
近年来行人跌倒检测变得越来越重要,因为准确及时的跌倒检测可以帮助跌倒者获得紧急救援.针对复杂场景中由于光照变化、遮挡和尺度变化等导致检测性能下降的问题,提出一种实时、鲁棒的跌倒检测算法.首先采用YOLO v3目标检测模块完成行人检测;然后在跟踪模块中对每个跟踪的边界框提取深层特征后,运用数据增强和重检测技术提高光照变化下的检测精度,并引入注意力机制子网络应对被遮挡目标的检测;最后跌倒判断模块对行人姿态进行判断,完成实时跌倒检测和报警.在Cityperson数据集、Montreal fall数据集和自建数据集上的实验结果表明,行人检测算法的检测精度达到87.05％,跌倒算法的检测精度达到98.55％,时延在120 ms以内,且在光照变化和遮挡影响下依然能获得良好的性能.
文献关键词：
行人检测;跌倒检测;深度学习;卷积神经网络;注意力机制
中图分类号：
作者姓名：
谢辉;师后勤;齐宇霄;陈瑞;童莹
作者机构：
南京工程学院信息与通信工程学院,江苏 南京 211167
文献出处：
引用格式：
[1]谢辉;师后勤;齐宇霄;陈瑞;童莹-.基于注意力机制子网络的时空跌倒检测算法)[J].计算机与现代化,2022(03):70-75,81
A类：
边界框提取,Cityperson
B类：
注意力机制,子网络,跌倒检测,检测算法,紧急救援,复杂场景,尺度变化,检测性能,性能下降,YOLO,v3,目标检测,检测模块,成行,行人检测,深层特征,数据增强,重检测,技术提高,检测精度,遮挡目标,Montreal,fall,自建数据集,倒算法,时延,ms
AB值：
0.313004
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
