融合注意力机制的OpenPose人体跌倒检测算法

作     者：孟彩霞 薛洪秋 石磊 高宇飞 卫琳 Meng Caixia;Xue Hongqiu;Shi Lei;Gao Yufei;Wei Lin

作者机构：郑州大学计算机与人工智能学院郑州450001 铁道警察学院图像与网络侦查系郑州450053 郑州大学网络空间安全学院郑州450002 

基　　金：国家重点研发计划(2020YFB1712401-1) 国家自然科学基金青年科学基金(62006210) 2022年度河南省重大科技专项(221100210100,221100211200) 河南省研究生联合培养基地项目(YJS2023JD04) 河南省重点研发与推广专项(科技攻关)(232102210095) 南阳市协同创新重大专项(22XTCX12001) 河南省高校青年骨干教师培养计划(2020GGJS256) 河南省高校重点科研项目(24B520032) 郑州警察学院基科费项目(2023TJJBKY010,2020TJJBKY006) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第12期

页      码：2040-2050页

摘      要：人员密集场所跌倒事件易引发公共安全问题,对人体跌倒进行实时监测和预警可降低安全风险.针对现有基于姿态估计跌倒检测方法模型规模大、时效性差等问题,提出一种融合注意力机制的OpenPose人体跌倒检测算法DSC-OpenPose.首先借鉴DenseNet稠密连接思想,将每层与之前所有层在通道维度上直接连接,实现特征复用,减小模型参数规模;然后在不同阶段之间添加坐标注意力机制,获取特征图空间方向依赖和精确位置信息,提高姿态估计精度;最后提出一种基于人体外椭圆参数、头部高度、下肢高度共同识别跌倒行为的方法,实现人体目标的跌倒检测.实验结果表明,在COCO数据集上,所提算法在模型规模和精度之间取得了较好的平衡效果;在real fall(RF)数据集上,所提跌倒检测算法的准确率达到98.2%,精度达到96.6%,检测速度达到20.2帧/s,且模型规模较小,满足嵌入式设备实时推理需求.

主 题 词：人体姿态估计 密集连接 注意力机制 跌倒检测 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2024.20124

馆 藏 号：203156923...