基于轻量级OpenPose模型的跌倒检测算法

作者：伏娜娜; 刘大铭^*; 程晓婷; 景云云; 张馨芳

来源：传感器与微系统, 2021, 40(11): 131-138.

DOI：10.13873/J.1000-9787(2021)11-0131-04

• 轻量级OpenPose
• Yolov5s
• 跌倒检测
• 单目相机
• 深度学习

针对现有跌倒检测方法识别效率低、检测过程实时性有待提高的问题,提出了一种基于Yolov5s人体目标检测结合轻量级OpenPose人体姿态估计模型的跌倒检测算法。首先,利用Yolov5s算法检测出人体的包围框,将Yolov5s的输出作为轻量级OpenPose网络的输入实时得到人体骨骼关键点坐标。然后,利用选取的4个骨骼关键点坐标计算人体中心点的下降速度。最后,通过中心点的下降速度结合人体宽高比来判断人体是否发生跌倒,并利用单目相机进行检测。实验结果表明:网络对行为检测准确率平均值达到95.43%,检测速度达到25 fps。