公开(公告)号：CN108182410A

公开(公告)日：2018-06-19

申请号：CN201711470592.3

申请日：2017-12-28

Applicant: 南通大学 ,  南通先进通信技术研究院有限公司

Inventor： 李洪均 ,  丁宇鹏 ,  李超波 ,  胡伟 ,  谢正光 ,  周磊 ,  董蓉 ,  汤敏

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种联合目标区域定位和深度特征学习的跌倒识别算法，该算法首先利用Kinect采集和分析彩色图像和深度图像；然后根据图象中目标区域所处的位置，实现目标区域的自适应定位，优化图像；最后对优化后的图像进行深度特征学习，获取分类特征，判断是否跌倒。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了100%。本发明通过利用目标区域定位和深度特征学习相结合的方法，解决了传统视频图像处理存在的实时性问题和隐私问题，进一步提高识别率；避免了传统算法中复杂的模型建立，减小计算成本；不仅具有好的鲁棒性，而且提高了识别效率。

公开(公告)号：CN107578036A

公开(公告)日：2018-01-12

申请号：CN201710913400.5

申请日：2017-09-28

Applicant: 南通大学

Inventor： 李洪均 ,  李超波 ,  丁宇鹏 ,  胡伟 ,  谢正光 ,  许可

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明提出了一种基于小波矩的深度图像跌倒识别算法。该算法首先根据图像中各像素点相对于质心的距离做归一化，然后对归一化的图像极坐标化、FFT变换，最后对图像进行小波变换获取特征向量，并结合最小距离分类法识别人体行为。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了90%。本发明通过利用深度图像和小波矩特征的平移、缩放和旋转不变性，解决了传统视频图像处理存在的隐私问题，提高识别性能。本发明不仅提高了对人体跌倒行为的识别能力，而且具有更好的鲁棒性，有很好的应用前景。