基于LSTM的多摄像头、多目标、实时摔倒检测

最新推荐文章于 2023-04-03 21:41:12 发布
最新推荐文章于 2023-04-03 21:41:12 发布
阅读量1.5k 收藏 15
点赞数 1
分类专栏： 人体姿势估计 文章标签： lstm 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42990464/article/details/120460241
版权

在这里插入图片描述
code: https://github.com/taufeeque9/HumanFallDetection
paper: https://www.bvm-workshop.org/bvm2021/postersession/s01/

文章目录

在这里插入图片描述

Introduction

摔倒检测的重要性

  • 老人摔倒很危险
  • 每年大概有25%-35%的老人会摔倒
  • 受害者经常无助且无法寻求帮助

现有摔倒检测方法的不足

  • 扩散的
  • 昂贵的

基于视频的摔倒检测逐渐出现

  • 潜在的、便宜的家庭摄像头
  • 提供上下文信息

现有基于视频的摔倒检测方法的不足

  • 受限于单个摄像头的视野
  • 识别和追踪多人
  • 高假正率

methods

我们提供实时地基于多摄像头和多目标的摔倒检测算法支持

在这里插入图片描述

识别和跟踪多目标

  • 在几帧上从姿态估计模型上映射关键点；
  • 匹配方法与HSV颜色直方图相关

特征提取

  • 五种时空特征的集合
  • 形成表征时间步长n的特征向量Xn

摔倒与否的分类

  • 使用LSTM神经网络架构
  • 在每一帧进行摔倒检测
    在这里插入图片描述

后处理

  • 核实下一批K帧是否被分类为跌倒
  • 检查一个人的身体与至少一个相机的垂直轴之间的角度
  • 检查身高是否明显小于移动指数平均值
  • 如果“跌倒”预测被拒绝，它将被重新标记为“跌倒警告”。
点PY
关注
  • 1
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
keras实现简单lstm_目标检测自有数据YOLOv3训练，最简单的keras实现教程
weixin_39588084的博客
11-24 1056
1 CV中目标检测进展开篇先来看看最近目标检测领域的进展：hoya012/deep_learning_object_detection这个开源项目实时更新 + 罗列了目标检测的一些top论文。该项目集合了从 2013 年 11 月提出的 R-CNN 至在近期举办的 ECCV2018 上发表的 RFBNet 等四十多篇关于目标检测的论文，相当全面。一般目标检测问题本身的定义为：给定任意一张...
lstm原始论文_多目标跟踪（MOT）领域近期值得读的几篇论文
weixin_39649611的博客
12-04 1116
©PaperWeekly 原创 ·作者｜黄飘单位｜华中科技大学硕士生研究方向｜多目标跟踪Siamese Track-RCNN论文题目：Multiple Object Tracking with Siamese Track-RCNN作者团队：亚马逊云服务识别实验室论文链接：https://arxiv.org/abs/2004.07786这篇论文的思路很直接，其更多的创新还是还是基于 SO...
自适应相关滤波 with LSTM网络 for 目标追踪
skywalker_123的博客
07-06 3363
摘要：        目标跟踪具有挑战性，因为随着时间的推移，目标对象的外观经常会发生剧烈的变化。近年来，自适应相关滤波器已成功地应用于目标跟踪。然而，依赖于高自适应相关滤波器的跟踪算法容易因噪声更新而漂移。此外，由于这些算法不能保持对目标外观的长期记忆，因此无法从摄像机视图中的严重遮挡或目标消失所导致的跟踪失败中恢复。在本文中，我们提出学习多个具有长期和短期目标外观记忆的自适应相关滤波器，以实现...
keras实现简单lstm_目标检测︱自有数据YOLOv3训练，最简单的keras实现教程
weixin_39830313的博客
11-23 551
开篇先来看看最近目标检测领域的进展：hoya012/deep_learning_object_detection这个开源项目实时更新 + 罗列了目标检测的一些top论文。该项目集合了从 2013 年 11 月提出的 R-CNN 至在近期举办的 ECCV2018 上发表的 RFBNet 等四十多篇关于目标检测的论文，相当全面。qqwweee/keras-yolo3​github.com是最简单的自数...
一种结合Alphapose和LSTM的人体摔倒检测模型
05-21
Many Human-Body-Fall-Dow n Detection models are faced with problems like lower adaptability and higher w rong-detection rate in different detection scenes，and targeting on these shortcomings this research proposes a Human-Body-Fall-Dow n Detection Model based on the human skeleton keypoints and the LSTM neural network． This model detects the skeleton keypoints of the continuous multi-frame human body by Alphapose，and then divides the coordinate sequences of the skeleton keypoints into X and Y coordinate sequence，and then inputs them respectively into LSTM neural network to extract the time-order character; the last step is to input the LSTM hidden layer output vector into a full connection layer to obtain the results． This research uses public data set M uHAViMAS and Le2i to execute this experiment，and compares itself with many other detection models． The results show that this model has relatively high detection accuracy in multiple scenes，multiple view s，and multiple poses of falling．
基于递归神经网络的跌倒检测系统
06-19
针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果。首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害。
基于递归神经网络的视频多目标检测技术
04-30
针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景...
基于LSTM的单特征和多特征预测python
04-25
**基于LSTM的单特征和多特征预测Python** 在机器学习和深度学习领域，时间序列预测是一种常见的任务，尤其在金融、气象、电力消耗等领域的预测分析中扮演着重要角色。LSTM（Long Short-Term Memory）是递归神经网络...
基于LSTM多变量预测_共享自行车使用量预测.zip
02-14
标题中的“基于LSTM多变量预测_共享自行车使用量预测”指的是一个利用长短期记忆网络（LSTM，Long Short-Term Memory）进行时间序列预测的项目，主要关注共享自行车的使用量。在这个项目中，LSTM被应用于处理具有...
​一种基于LSTM的视频车辆检测算法
10-15
针对视频车辆检测问题，提出了一种基于LSTM的视频车辆检测算法模型。该算法接受视频序列作为输入，先利用卷积网络提取视频帧的空间特征，然后利用LSTM模块得到时间维度的特征，最后利用全卷积网络预测最终的检测结果。将所提算法与其他典型的算法进行比较，实验结果表明所提算法具有更好的检测准确率，同时检测速度也更快。
HumanFallDetection:Python中的实时，多人和多摄像机跌倒检测器
05-27
人类跌倒检测 我们通过支持多相机和多人跟踪以及长时记忆（LSTM）神经网络来预测两个类别，从而增加了人体姿势估计（openpifpaf库），以预测两个类别：“跌倒”或“不跌倒”。 从这些姿势中，我们提取了LSTM分类器处理的五个时空特征。 设置 pip install -r requirements.txt 用法 python3 fall_detector.py 争论 描述 默认 num_cams 要处理的摄像机/视频数量 1个 视频 视频文件的路径（无从摄像机捕获实时视频的路径） 对于单个视频跌倒检测（-​​-num_cams = 1），将视频另存为abc.xyz并设置--video = abc.xyz 对于2个视频跌落检测（--num_cams = 2），将您的视频另存为abc1.xyz和abc2.xyz并设置--video = abc.xyz 没有任何 save_output
CV object detection目标检测近几年论文和模型
10-13
本人对于近几年目标检测方向收集的一些模型和论文，包括有两个源码。yolo v123, RCNN到faster RCNN, SSD, MASK RCNN等
基于lstm进行异常检测.zip
最新发布
04-12
标题"基于LSTM进行异常检测"暗示了我们将利用LSTM的强大能力来识别那些不符合正常模式的数据点。在机器学习领域，异常检测通常用于预测故障、检测欺诈、网络安全监控以及医学诊断等多种场景。LSTM的递归结构使其能...
LSTM系列_LSTM的特性学习（3）——如何构建“序列 —＞序列”(多对多)的LSTM网络模型
AI量化交易实验室
12-13 1万+
导读： 文中提到了回声序列，回声序列是一个数列自身数据之间构建了映射关系 本文演示了如何生成一个随机序列，并且转化成热编码，并且将其构建成一个有输入输出映射的，监督型学习的数据结构。 第二个例子给出了一个“序列 —>序列”的LSTM网络预测模型。 第三个例子给出了 针对one hor encoder序列，加入编码器 - 解码器结构的LSTM网络模型 源码地址： https://g...
基于LSTM深度学习网络的疾病发作检测算法matlab仿真
fpga/matlab/simulink算法仿真工程
04-03 445
LSTM有很多个版本，其中一个重要的版本是GRU（Gated Recurrent Unit），根据谷歌的测试表明，LSTM中最重要的是Forget gate，其次是Input gate，最次是Output gate。作为非线性模型，LSTM可作为复杂的非线性单元用于构造更大型深度神经网络。长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。
LSTM介绍理解
09-24 989
LSTM (Long short-term memory，长短期记忆) 是一种特殊的RNN，主要是为了解决长序列训练过程中梯度消失与梯度爆炸的问题，因此要学习LSTM，必须先了解RNN是一个什么东东。
目标检测 (Object Detection) 算法汇集
热门推荐
windtalkersm的专栏
03-26 5万+
基于深度学习的目标检测综述(一）(2018年03月16日) 图像分类，检测及分割是计算机视觉领域的三大任务。图像分类模型（详情见这里）是将图像划分为单个类别，通常对应于图像中最突出的物体。但是现实世界的很多图片通常包含不只一个物体，此时如果使用图像分类模型为图像分配一个单一标签其实是非常粗糙的，并不准确。对于这样的情况，就需要目标检测模型，目标检测模型可以识别一张图片的多个物体，并可以定位出不同...
行为识别：让机器学会“察言观色”第一步
CSDN 人工智能
02-15 8408
电影短片《Changing Batteries》讲了这样一个故事：独居的老奶奶收到儿子寄来的一个机器人，这机器人善于察言观色，很快就跟老奶奶“心有灵犀”，不仅能在老奶奶口渴时为她端水、在老奶奶扫地时接过老奶奶的扫把，做力所能及的家务活，如果老奶奶在椅子上看电视睡着了，机器人还为她轻轻盖上踏足。有了它，老奶奶又重新感受到久违的快乐，过上了更轻松的生活[1]……咳咳，催泪的故事讲完了，接下来...
基于LSTM-VAE的多模态机器人执行监控系统
本研究论文标题为《多模态...总结来说，该论文主要贡献在于开发了一种多模态执行监控器，通过LSTM-VAE的集成实现了对辅助机器人异常行为的高效检测和预防，对于提升机器人系统的整体性能和用户体验具有重要的实践价值。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点PY

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值