1.1研究目的

近年来，随着我国老龄化进程的不断加快，老年人口比例迅速攀升，而“跌倒”给老年人健康带来严重威胁，尤其对于独居老人，在室内发生跌倒行为后不能及时得到有效的帮助和救护，往往容易造成严重后果。传统的视频监控往往只能对场景进行记录，在事后进行调查取证，不仅工作量大，耗费大量人力物力，而且精确度不高。随着信息化时代的发展，视频监控设备开始得到大规模普及，视频监控的数据量也急剧增加，大量的视频数据给实时监视报警和视频数据的有效检索带来了极大的挑战。目前迫切需要充分利用计算机技术挖掘海量视频中的关键视频片段，并根据设定好检索条件智能快速完成对视频中关键对象的搜索，因此，采用视频自动分析技术对监控场景中的异常事件或对象进行检测或分析具有重要意义，其中，基于视频监控的运动行为分析成为目前计算机视觉方面比较活跃的研究领域。

在此背景下，我把目光锁定在“室内人的跌倒行为检测”问题上，希望利用视频监控、图像处理、计算机视觉、模式识别等相关技术和MATLAB等工具来探究室内跌倒行为的自动识别与检测问题，及时发现其跌倒行为并发出警报，做出处理，减小跌倒行为给社会、家庭和个人带来的损害。

1.2国内外研究现状分析

国内在基于视频的运动行为分析方面起步要相对较晚，但有许多大学和科研机构投入其中的研究：2011年，郁映卓提出了用三维重构的方法检测下蹲和跌倒两种异常行为的方法，但没有针对连续视频进行实验研究；2012年，许良武主要针对侧面的跌倒行为，采用机器学习的方法进行了识别，没有专门针对与跌倒易混淆的行为进行研究；中科院的模式识别国家重点实验室针对人类运动视觉系统，创新性的提出对运动轨迹和目标行为特征进行自组织的神经网络学习和基于步态信息的远距离身份识别方法。在上海世博会、北京奥运会、北京APEC、乌镇世界互联网大会和2016年召开的G20杭州峰会上，关于人体行为特征的研究成果都得到了应用。

在国外具有较大影响的项目有2012年Bingbing Ni等基于RGBD深度摄像头彩色和深度特征的跌倒行为识别方法；2013年Vaidehi等设计一种基于静态人体图像特征的跌倒检测系统，通过提取人体的长宽比和倾斜角度两个特征进行跌倒识别的研究；同样在2013年，Rougier等用椭圆近似表示人体，将椭圆的方向标准差和长短轴比例的标准差作为特征，通过分析运动特征来检测人休形状的变换进行跌倒识别方法；在2015年的研究工作中，Dalal等人提出的 HOG描述子对行人检测算法的影响和贡献最大，HOG 特征将图像局部的方向梯度次数进行统计，该特征与边缘方向直方图等其他特征类似，但是相比于这些特征，HOG特征的优点在于HOG 的计算是利用空间的密度矩阵来提高准确率。

2. 研究的基本内容与方案

2.1 研究内容

本次毕业设计需要学习和研究数字图像处理，数字视频处理原理和方法。研究视频中人的跌倒行为识别的算法，利用MATLAB软件及相关工具设计一个可以判断视频中人是否跌倒，并且记录跌倒时间的程序。主要研究简单场景下人体跌倒行为的识别，整体可分为三部分：人体的检测，人体运动行为特征提取和跌倒行为的识别。本毕业设计取的视频均为固定视频监控下无遮挡的短视频，然后对其中的人体跌倒行为进行识别。