跌倒异常行为的双重残差网络识别方法

被引：31

作者：

王新文

谢林柏

彭力

机构：

[1] 物联网技术应用教育部工程研究中心(江南大学物联网工程学院)

来源：

计算机科学与探索 | 2020年 / 09期

关键词：

跌倒识别; 残差网络; 梯度消失; 行为识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

在异常行为监控中,由于监控视角、人体姿态和场景等复杂的情况,直接通过增加3D卷积神经网络层数来提取有效的视觉特征,容易导致卷积模型发生梯度消失和过拟合,从而降低了行为识别率。针对上述问题,提出了一种基于双重残差卷积网络的跌倒识别方法,通过在残差网络中嵌套残差网络,充分融合了浅层和深层视觉特征,缓解了模型训练时梯度消失问题带来的影响,从而使模型性能得到了提升。最后采用5折交叉验证方法在多相机跌倒数据集(MCFD)和热舒夫大学跌倒数据集(URFD)上进行了测试评估,结果表明双重残差网络性能优于三维卷积网络(C3D)、三维残差网络(3D-Resnet)、伪三维残差网络(P3D)和2+1维残差网络(R(2+1)D)识别方法,从而验证了双重残差网络模型对提高异常行为识别效果的有效性。

引用

页码：1580 / 1589

页数：10

共 5 条

[1]

基于支持向量机的跌倒检测方法研究 [J].

梁维杰 ;

张应红 ;

景晖 ;

黄博 ;

郑骥 .

测控技术, 2014, 33 (09) :33-35+39

[2]

一种可穿戴式跌倒检测装置设计 [J].

石欣 ;

张涛 .

仪器仪表学报, 2012, 33 (03) :575-580

[3]

Human fall detection on embedded platform using depth maps and wireless accelerometer[J] Bogdan Kwolek;Michal Kepski Computer Methods and Programs in Biomedicine 2014,

[4]

A survey on fall detection: Principles and approaches[J] Muhammad Mubashir;Ling Shao;Luke Seed Neurocomputing 2013,

[5]

World population prospects:the 2015revision United Nations Department of Economic and Social Affairs Population Division; http://www.un.org/en/development/desa/population/theme/ageing/WPA2015.shtml 2015,

← 1 →