摘 要

随着我国医疗技术的不断提高，人口老龄化问题也越发明显。现今老年人意外跌倒已成为威胁到老年人身心健康的一个重大隐患，近年来跌倒检测识别也逐渐成为当下研究领域中的热门研究方向之一。

本文对人体跌倒检测识别的整个过程所用到的主要相关检测方法进行了分析和总结，并且参考了近年来国内外对跌倒检测算法方面的许多文献资料，提出了一种基于机器学习的在视频中对人体跌倒进行检测的算法。在本文中使用了一种基于卷积神经网络的开源深度学习框架——Darknet，通过Darknet来帮助实现对人体目标的识别和相关人体行为的检测。文中参考了传统的目标提取方法，先用背景差分法和相关形态学算法来进行目标骨架的提取，然后再采用基于人体比例的判断依据来初步对人体跌倒的情况进行判断，再使用以被检测对象躯体的运动趋势的检测依据来进行跌倒情况的精准判断。该跌倒检测算法效果已达到了预期研究目标。

关键词：机器学习；跌倒检测；目标检测；Darknet；YOLO

Abstract

With the continuous improvement of medical technology in China, the problem of population aging has become more apparent. The accidental fall of the elderly today has become a major hidden danger to the physical and mental health of the elderly. In recent years, the detection of fall detection has gradually become one of the hot research directions in the current research field.

This paper analyzes and summarizes the main related detection methods used in the whole process of human fall detection and identification, and refers to many literatures on fall detection algorithms in recent years, and proposes a machine learning based on video. An algorithm for detecting human fall. In this paper, a deep-depth deep learning framework based on convolutional neural network, Darknet, is used to help identify human targets and detect human behavior through Darknet. In this paper, the traditional target extraction method is referenced. The background difference method and the related morphological algorithm are used to extract the target skeleton, and then the judgment based on the proportion of the human body is used to judge the fall of the human body and then used to be detected. The detection of the movement trend of the subject's body is based on the accurate judgment of the fall situation. The effect of the fall detection algorithm has reached the expected research goal.

Key Words：Machine learning；Fall detection；Target Detection；Darknet；YOLO

目录

第1章 绪论 6

1.1选题背景与意义 6

1.2国内外研究状况 6

1.2.1国内研究状况 6

1.2.2国外研究状况 7

1.3论文主要工作 7

第2章 基于神经网络的深度学习框架Darknet 8

第3章 实时目标检测 10

3.1 Yolo概述 10

3.2 Yolo核心思想 10

3.3 Yolo与OpenCV实现目标检测 14

第4章 跌倒检测算法在Darknet框架上的实现 16

4.1人体跌倒过程分析 16

4.2 跌倒检测算法剖析 17

4.3 跌倒检测算法的设计 17

4.4 Darknet框架搭建与配置 20

第5章 算法测试结果 22

5.1 实验结果展示 22

5.2 算法需要改进的地方 22

第6章 总结与展望 23

6.1 论文总结 23

6.2 跌倒检测发展方向展望 23

参考文献 24

致谢 25

第1章 绪论

1.1 选题背景与意义

在我国群众日常生活经济条件和水平的不断提高的发展背景下，人口逐渐地老龄化已经逐渐成为了一个不可避免地发展趋势。根据联合国目前发布的判定标准，其通常会把在某一个国家中，如果其中60岁以上的人占该国总人口的比例达到或者超过了10%，或者65岁以上人占该国总人口的比重达到7%，作为这个国家已经进入了老龄化社会的标准。自2000年起，我国65岁及以上人口的比例就达到了全国总人口的7%，已经踏入了老龄化社会的大门。截至到2017年底，全国60岁及以上老年人口在全国总人口占比已经达到了17.3%，其中65岁及以上人口的比例为11.4%，老龄人口增速持续增长。

在当前阶段，我国已经进入到了老龄化社会。随着这一现象的凸显，中、老年人的健康问题愈发得到来自社会各界人士更多的关心。中、老年人随着年龄的增长，自身的身体机能不断地衰退，其身体行动不便，从而使得其发生跌倒事件的概率非常高。大多数突发的跌倒可能导致老年人身体组织挫伤，更严重的可能会引起骨折甚至危及生命，给他们的日常生活带来了极大的威胁和隐患。然而在很多由跌倒事件引发的伤亡案例中，人体的伤亡并不是由于意外跌倒直接造成的，而是在意外跌倒的事件发生后，发生跌倒的中、老年人没有及时地被发现并得到救助而造成的。综上所述，在人体的跌倒事件意外发生后，怎么样尽可能早地检测到跌倒事件，并发出警告以对人员进行及时的救治变得格外重要，所以研究设计一个高效且准确的跌倒检测算法就具有十分重要的研究意义和实际价值。

1.2 国内外研究状况