金彦亮，陈 刚

(上海大学 通信与信息工程学院，上海 200444)

0 引 言

针对老龄化加剧伴随而来的独居老人跌倒问题，本文对基于双流卷积的实时跌倒检测展开研究。

目前针对跌倒检测的研究主要有两个方向：基于三维传感数据的方法与基于视觉的方法。基于三维传感数据的方法即采用陀螺仪等传感器获取人体运动的三维加速度和角速度值[2]来检测跌倒事件，近几年也出现了利用智能手机配备的传感器来实时获取人体运动的加速度和角速度信息的解决方案[3]。但是这些传感器和手机需要定期更换电池或充电，受限于设备的电量与寿命，还存在老人在家中并不会随身携带手机的情况。相比之下基于视觉的方法主要利用计算机视觉来检测画面中的人是否跌倒，这种方法不需要佩戴相关传感器，方便、体验好。

基于视觉的跌倒检测关键在于从视频帧中提取有意义的特征来进行检测，例如人体姿态、倾斜角度等。Stone等[4]提出了一种使用Kinect深度相机和两阶段跌倒检测系统来检测老人跌倒的方法，第一阶段除了提取人体速度、加速度等特征外，在单个深度图像帧中还计算一个人在地面的投影面积，这个特征可以很好区别跌倒和躺下动作，然后在第二阶段使用决策树来计算跌倒的置信度。J.Donahue等[5]提出将CNN与LSTM相结合对空间维度特征与时间维度特征进行学习和理解的方法。而LSTM复杂度高，相比双流卷积方法计算会更耗时，不适合实时的跌倒检测。……