孙博文，祁 燕，杨大为

（沈阳理工大学信息科学与工程学院，沈阳110159）

1 引 言

随着室内摄像设备的普及，人们对智能视频监控的需求越来越高。跌倒行为识别作为智能监控系统的一部分，可以在人体发生跌倒行为时及时报警来保障人身安全。目前室内人体跌倒行为检测方法可划分为两大类：第一类是基于传感器的跌倒检测方法，这类方法一般需要人体穿戴设备，设备上通常装有传感器，人体发生跌倒行为时传感器会发出警报从而实现跌倒检测。由于前一类方法需要佩戴传感器设备，极为不便，于是出现了第二类方法：基于计算机视觉的检测方法。基于计算机视觉的检测法最大优点是不需要穿戴任何传感器设备，而是从视频数据中挖掘出有用的信息并进行分析。视频数据来源于安装在室内的监控摄像机，采集人在室内的各种活动信息，然后通过一系列算法识别人体的各种行为，进而检测出跌倒行为[1]。在提取人体运动特征方面使用的方法可分为两种：第一种方法选择提取人体的3D 特征，刘李正提出了基于Kinect 相机的人体跌倒检测算法研究[2]。提取人体3D 特征的方法在人体侧向对着摄像设备时会影响检测效果，于是又出现了第二种使用计算机视觉的方法，该方法从监控摄像头拍摄的视频中提取特征。在吕艳等人提出的采用卷积神经网络的老年人跌倒检测系统设计中，提取特征的方式选用了深度神经网络加分类器的组合[3]。……