曹建荣，吕俊杰，武欣莹，张 旭，杨红娟

（1.山东建筑大学信息与电气工程学院，济南 250101；2.山东省智能建筑技术重点实验室（山东建筑大学），济南 250101）

（*通信作者电子邮箱junjielv123@163.com）

0 引言

跌倒是老人伤害死亡的首要因素，现阶段对老人异常检测的研究工作主要集中在跌倒检测上。现有的跌倒检测方式主要有基于可穿戴式、基于环境式、基于计算机视觉三种。可穿戴式跌倒检测使用的传感器类型有加速度传感器、压力传感器、音频传感器等，这种方法由于外界噪声的各种干扰和系统本身的稳定性等原因导致误报警问题一直得不到很好解决；而且可穿戴式传感器需要老人长期佩戴，舒适感差。基于环境式摔倒检测系统需要预先把传感器（红外线、超声波等非视觉传感器）布置在人体活动环境里，不需要随身携带，可以解决舒适感差的问题，但是价格昂贵、干扰较大［1-4］。计算机视觉的跌倒检测则无需穿戴，不会影响人体活动，具有实时性好、成本更低、检测准确度更高的特点。Foroughi 等［5］利用椭圆来近似表达人体，把椭圆的长短轴的标准差作为特征，并把人体的投影直方图与头部位置作为一个特征，然后使用深度学习方法对这些特征分类，再根据特征判断出人体的状态。Miaou 等［6］利用全景相机来采集视频图像，利用背景差分法来提取目标特征，利用最小外接矩形来包围目标人体，并利用矩形的宽度高度判断是否跌倒。Rougier等［7］利用人体形状来做跌倒检测，先利用混合高斯模型（Gaussian Mixture Model，GMM）算法进行目标检测，再利用阈值法进行跌倒检测。……