一种结合Alphapose和LSTM的人体摔倒检测模型
【摘要】 针对已有人体摔倒检测模型在不同检测场景下适应性差、误检率高等缺点,本文提出了一种基于人体骨骼关键点和LSTM神经网络的人体摔倒检测模型.该模型通过Alphapose对连续多帧中的人体进行骨骼关键点检测,然后将骨骼关键点坐标序列分为x坐标序列和y坐标序列,分别输入两个LSTM神经网络进行时序特征提取,最后将LSTM隐层输出向量输入一个全连接层得到检测结果.本文使用公开数据集MuHAVi-MAS和Le2i进行实验,并与多种检测模型进行对比,实验结果表明本文方法在多场景、多视角和多姿势摔倒情况下都具有较高的检测精度.关键词:摔倒检测模型;Alphapose;骨骼关键点;LSTM
