王新文，谢林柏，彭 力

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），江苏无锡 214122

1 引言

异常行为识别是视频行为识别领域中的重要研究方向，对社会安全和发展具有重要意义。跌倒识别作为异常行为识别任务之一，尤其老人跌倒识别，是关爱弱势群体的重要研究课题。根据联合国2015年世界人口老龄化报告，在2015年至2030年间，年龄在60岁及以上的人数预计将增长55%[1]。每年全球估计有64.6万人死于跌倒，有3 730万人跌倒严重到需要医疗照顾[2]。随着计算机视觉技术和传感器技术的发展，国内外对老人跌倒检测进行了研究，并取得了一定的进展[3-8]。根据跌倒检测的方式，跌倒检测主要分为两类，基于可穿戴设备[4,7]和视觉图像[5-6,8]的跌倒检测方法。基于视觉图像技术是对摄像设备采集的视频或图像数据进行跌倒识别处理。Mirmahboub等人[8]使用背景建模的方法提取运动目标轮廓，然后根据运动目标轮廓的特征进行行为分类。Kong等人[5]通过深度相机和Canny滤波器得到二值图像的轮廓，然后根据轮廓图像中的每个白色像素的切线向量角度判断动作行为是否为跌倒。Min等人[6]使用快速区域卷积网络[9]检测人体形状的纵横比、质心和运动速度，通过这些特征随时间的变化关系来判断动作行为是否为跌倒。

随着深度学习的快速发展，卷积神经网络在图像处理[10-11]和视频分析[12-16]领域取得了很大的突破。与传统方法相比，深度学习有较强的特征学习能力。在视频行为识别领域中，行为特征提取主要采用两种思路。……