典型文献
基于Res2Net-YOLACT和融合特征的室内跌倒检测算法
文献摘要：
为了加强对老年人的监护、降低跌倒带来的安全风险,提出了一种新的基于Res2Net-YOLACT和融合特征的室内跌倒检测算法.首先,通过融入Res2Net模块的YOLACT网络来提取视频图像序列中的人体轮廓;然后,利用两级判断的方法做出跌倒决策,其中一级判别通过运动速度特征粗略判断是否发生异常状态,二级通过融合人体形状特征和深度特征的模型结构对人体姿势进行判别;最后,当检测出跌倒且发生时间大于阈值时,发出跌倒报警.实验结果表明,该跌倒检测算法可以在复杂的场景下很好地提取到人体轮廓,对光照的鲁棒性较好,并且检测速度可达每秒28帧,能满足实时检测要求.此外,融入手工特征后的算法分类性能表现更优,分类准确率达98.65％,比卷积神经网络(CNN)特征算法提升了1.03个百分点.
文献关键词：
健康监护;YOLACT;融合特征;卷积神经网络;跌倒检测
中图分类号：
作者姓名：
张璐;方春;祝铭
作者机构：
山东理工大学计算机科学与技术学院,山东淄博255049
文献出处：
引用格式：
[1]张璐;方春;祝铭-.基于Res2Net-YOLACT和融合特征的室内跌倒检测算法)[J].计算机应用,2022(03):757-763
A类：
B类：
Res2Net,YOLACT,融合特征,跌倒检测,检测算法,视频图像序列,人体轮廓,两级,运动速度,速度特征,粗略,异常状态,形状特征,深度特征,模型结构,人体姿势,发生时间,跌倒报警,取到,检测速度,每秒,实时检测,检测要求,手工特征,算法分类,分类性能,分类准确率,百分点,健康监护
AB值：
0.364516
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。
