摘要：针对独居老人摔倒问题,构建一种基于双流卷积神经网络(TwoStream CNN)的实时跌倒检测模型。将提取人物轮廓的RGB单帧作为输入的空间流,将连续多帧运动历史图(motion history image,MHI)作为输入的时间流融合,在一个特定维度的全连接层将两个网络的同shape张量Concatenation相连后添加到新的层,在公开的摔倒数据集上进行实验和定量分析。实验结果表明,采用人物轮廓RGB-MHI的双流卷积网络在非摔倒和摔倒的区分检测中准确率达到了98.12%,改进的融合方式相比较其它方法有提高,时间流输入MHI满足实时性要求。

摘要：为解决冗余信息导致跌倒检测准确率低的问题,构建一种基于改进ViBe算法的双流CNN网络模型来检测跌倒。将帧差法与ViBe算法相结合,解决原始ViBe算法的鬼影问题,通过多帧合成运动历史图(MHI)的方式输入双流网络,提出Sum-SoftMax决策层融合算法,增强算法模型的跌倒检测能力。在公开数据集上实验并与现有算法对比,实验结果表明,该模型综合准确率达到了98.7%,高于现有算法模型,可用于室内人员的跌倒检测。

摘要：为实现对视频中的人脸动作进行识别,提出一种肤色历史图的识别算法。在运动人脸视频中通过在线肤色实现人脸运动的位置预估,结合主动表观模型的关键点匹配,在历史图像中获得运动矢量;对匹配的关键点使用运动方向滤波算法,去除误匹配的关键点,使保留的关键点的匹配方向与脸部实际运动方向一致,提高关键点匹配的有效性。在动作识别中,使用动作序列概率算法对两类脸部运动进行区分,实验结果表明,该算法能够在运动人脸视频中较好地识别点头摇头动作,对快速运动视频有较鲁棒的跟踪效果。

摘要：为了儿童能够在现有的条件下自然、灵活地利用计算机进行学习、娱乐,采用计算机视觉处理技术设计了一种基于手势的交互模式。该交互模式利用手部无规则的运动信息和人类特有的肤色信息作为计算机输入,用户可以方便地进行菜单选择、游戏设置以及游戏控制,从而可以有效地摆脱键盘、鼠标的束缚。该模式具有不需要手势训练、用户认知负担小、适应能力强等优点。最后基于该交互模式,开发了一个儿童益智学习系统和一个游戏系统。通过多人的参与评估,用户对这种交互模式较为满意。

摘要：本文提出一种运动背景下对地多运动目标检测算法。采用最邻近算法和对称约束算法滤除误匹配点对,基于RANSAC算法消除外点的影响,准确估计全局运动参数,提高了运动背景补偿的精度。关联连续运动信息图得到运动历史图,补充空洞。在运动历史图上进行形态学处理,有效地滤除噪声,精确地检测出了多运动目标。实验结果表明本文算法能够精确的进行运动背景补偿,准确的检测出多运动目标。