摘 要

老年人在世界上的人口日益增加，老年健康越来越受到社会关注，而跌倒导致受伤则是老年人经常会出现的主要健康问题之一。跌倒受伤已成为我国人类死亡的第四原因，对跌倒进行检测研究已成为一项具有重要意义的研究热点。目前，国内已有几种跌倒检测的研究方式，但其普及情况并不乐观，仍有一些问题需要解决。本文基于计算机视觉，利用正逐渐普及的安全摄像头监控设备对跌倒检测进行研究，具有实时性、成本低、安装方便，不造成干扰等优点，具有广阔的市场价值和应用前景。

在基于计算机视觉的跌倒检测研究方法中，国内大多是根据已拍摄的图像或者已录制的视频对跌倒进行检测，缺乏实际应用价值。本设计结合硬件平台和用于图像处理的OpenCV开源视觉库设计一种具有实时检测和及时远程报警功能的便携式跌倒检测设备，同时改进用于检测跌倒的常用人体特征，能够有效区分站、蹲、坐和伸展运动等日常生活姿势与跌倒姿势，提高跌倒检测的正确率。

本文的主要工作内容包括如下两个部分：

1.图像处理方法的研究。在树莓派上安装合适的操作系统，加载用于图像处理的OpenCV开源视觉源码，并配置其依赖的软件环境。通过比较现有的两种用于提取前景目标的图像分割方法，以及对比几种图像预处理算法的优势特点，针对本设计的工作环境和实际需要与预期的实现目标，选择合适的图像预处理方案。

2.跌倒判断方法的研究。通过图像预处理从视频序列中提取出人体前景，然后使用矩形拟合人体目标作为人体的轮廓，接着提取外形的目标特征参数用于跌倒判断。在本文中，如何从日常活动中准确判断跌倒状况的发生是本设计的关键。分析跌倒时的卧姿与日常活动的区别设计以下判断条件：1）根据矩形框高度变化和宽高比区分站姿与跌倒状况，但会受到其他动作干扰，比如突然坐下动作。2）以矩形的中心作为目标人体的质心，求得质心的变化来区分坐下动作与跌倒状况。人体的伸展有时同样符合跌倒的条件，提出以轮廓矩形面积比辅助判断两者的发生。3）通过以上跌倒条件分析，便将复杂的人体活动姿势问题变成简单的数据分析问题，而且实验结果表明，此跌倒检测方式具有良好的检测效果。

关键词：跌倒卧姿检测；OpenCV；图像处理；树莓派

Abstract

The population of the elderly is increasing in the world, and the health of the elderly is receiving more and more social attention. Falling injury is one of the major health problems that often occur among the elderly. Fall injury has become the fourth cause of human death in China. Detection of falls has become an important research hotspot. At present, there are several research methods of fall detection in China, but their popularity is not optimistic, and there are still some problems to be solved. In this paper, based on computer vision, we use the popular security camera monitoring equipment to study fall detection. It has the advantages of real-time, low cost, easy installation, no interference, and so on. It has broad market value and application prospect.

In the research of computer vision based fall detection, most of the domestic tests are based on the captured images or recorded videos, which lack practical application value. This design combines the hardware platform and the OpenCV open source vision library for image processing to design a portable drop detection device with real-time detection and timely remote alarm function. At the same time, it improves the commonly used human characteristics used to detect falls, and can effectively divide the daily life posture and fall posture of stations, squatting, sitting and stretching exercises, so as to improve the accuracy of fall detection.

The main contents of this paper include the following two parts:

1. research on image processing methods. Install a suitable operating system on raspberry pie, load the OpenCV open source visual source for image processing, and configure its dependent software environment. By comparing the two existing image segmentation methods for extracting foreground targets and comparing the advantages and disadvantages of several image preprocessing algorithms, the appropriate image pre-processing scheme is selected for the design#39;s working environment and actual needs and the expected realization goals.

2. research on the method of judging fall. The foreground of human body is extracted from the video sequence by image preprocessing, and then the human body is silhouettes as the contour of the human body, and then the target feature parameters of the shape are extracted to be used for judging the fall. In this article, how to accurately judge the occurrence of fall from daily activities is the key to this design. The difference between sleeping position and daily activities is analyzed according to the following design conditions: 1) according to the height and width ratio of the rectangle frame, the posture and fall condition can be distinguished, but it will be interfered by other actions, such as suddenly sitting down. 2) take the center of the rectangle as the centroid of the target body, and find the change of the centroid to distinguish the sit down movement and the fall situation. The extension of human body sometimes coincided with the condition of fall. It was suggested that the area ratio of contour rectangle should be used to judge the occurrence of both. 3) through the analysis of the above fall conditions, the complex pose of human activity becomes a simple data analysis problem, and the experimental results show that the fall detection method has good detection

Key Words：fall detection；OpenCV；image processing；raspberry pi

目录

第1章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 1

1.3 主要工作内容及章节安排 3

第2章 检测平台设计 5

2.1 树莓派介绍 5

2.2 配置软件环境 6

2.3 本章小结 8

第3章 图像预处理 9

3.1 图像模糊 9

3.1.1 均值模糊处理 9

3.1.2 高斯模糊处理 10

3.1.3 中值模糊处理 11

3.2 图像灰度化 12

3.3 本章小结 13

第4章 提取前景目标 14

4.1 运动目标检测 14

4.1.1 背景减除法 14

4.1.2 帧差法 16

4.2 图像二值化 17

4.3 本章小结 18

第5章 形态学滤波处理 19

5.1 形态学滤波基本原理 19

5.2 腐蚀运算 19

5.3 膨胀运算 20

5.4 本章小结 21

第6章 跌倒检测分析 22

6.1 人体轮廓检测 22

6.2 高度变化与宽高比分析 22

6.3 质心变化分析 23

6.4 轮廓矩形面积比分析 24

6.5 远程报警 24

6.6 程序总图与实验结果分析 26

6.7 本章小结 29

第7章 总结与展望 30

参考文献 31

致 谢 32

第1章 绪论

1.1 研究背景和意义

根据调查与统计显示，我国老年人口总数占据总人口数的比重已经越来越大^[1]，从2007年到2017年老年人比例从11.6%上升到17.2%，在我国庞大的人口基数下，也就是说在近十年间我国老年人口数从1.53亿增长到2.48亿，占据世界老年人总人口数的五分之一，而且我国老年人口的增长率大约为总人口增长率的5倍，从数据看这种增长趋势将会进一步加大，预计到2050年中国老年人口总数将达到4.8亿，占据亚洲老年人口总数的五分之二，约为世界老年人总人口数的四分之一。很显然，庞大的老年人口数量和老年人口增长速度会让我们国家提前进入老龄化社会。

另一个中国人口老龄化特点就是独居老人和空巢老人增速加快，比重增高。随着我国城镇化发展加快，由于地区发展不平衡的因素，促使农村大量年轻劳动力去往一线二线城市发展，传统的三世同堂已不再多见，家庭逐渐趋于分散化，年轻子女陪伴父母的时间变少，农村老年人口增多，尤其空巢老人和独居老人居多，我国传统的家庭养老功能正在逐渐弱化。有调查表示^[7]，到2020年期间我国独居老人的数量将会突破到1.18亿人，随着这种趋势的不断发展，独居老人和空巢老人将成为我国老年人中的“主力军”。

通常当人进入老年后，人的身体机能、神经系统、视力、听力、感觉系统以及平衡性都会下降，手脚不灵活，对各种刺激的反应比较迟钝，因此年龄更大跌倒次数也更多。有统计表示，每年大约有30.3%在65岁以上的老年人，50%在85岁以上的老年人都发生过跌倒，目前跌倒已成为老年人致死的首要原因^[2]，一旦跌倒状况发生，如不能及时发现并进行救助治疗，不但影响患者自己的身心健康和生活自理能力，同时也会增加家庭的痛苦和负担，因此如何及时检测跌倒状况并预防跌倒对老年人造成的进一步伤害已成为一项重要的研究课题。

1.2 国内外研究现状

随着计算机技术、传感器技术和图像处理技术的不算发展，跌倒检测研究作为一项具有极大社会价值和应用前景的研究项目，其实现途径也在不断的多样化，同时检测精确度也来越高。根据传感器使用的不同，可以将国内外的跌倒检测研究分为三类：基于可穿戴设备的跌倒检测技术研究、基于环境信息的跌倒检测技术研究和基于计算机视觉的跌倒检测技术研究。

基于可穿戴设备的跌倒检测技术研究主要是将带有三轴加速度计、陀螺仪等传感器的检测设备绑定在人的头部、腰部或肩上、肘上，利用这些可感测到人体运动变化和运动姿势的传感器采集人体的加速度、角速度等信号，根据日常生活的运动信号和跌倒时的运动信号差异判断是否跌倒或者模拟出人体的三维动态识别跌倒。杨泽松^[3]研究了一个可穿戴设备的跌倒检测系统，通过MEMS传感器采集人体日常动作中的加速度信号，分析人体的不同运动状态，再利用决策树分类算法检测出跌倒状况，系统可实现GPS无线定位、远程报警等功能；彭亚平^[4]等人通过三轴加速度传感器采集腰部的加速度和倾角信号，根据跌倒时会出现失重、冲撞、短暂静止和倾斜现象设定一系列阈值对合加速度SVM和倾角进行数据分析处理，判决人体是否发生跌倒，检测正确率可达到100%；韩帅^[8]等人利用目前已普遍使用的智能手机进行跌倒检测，同时利用其内嵌的三轴加速度传感器采集信号，将三个轴的加速度合成再特征提取实现手机定位和安放位置的自适应性，分析合成加速度的时频域曲线图，从而构建基于决策树老人跌倒检测模型，实验表明老人跌倒检测正确率达到90%。这种穿戴于身上的检测系统虽然制作成本低、硬件性能要求不高，且检测效果良好，但会增加老人的身体负担，即使装置轻便，也会给老人一些不习惯和不适应感觉，如果老人长久忘记戴它，就无法实现其检测功能。

基于环境信息的跌倒检测技术研究是在人的经常性活动环境周围中设置能够采集由人体所产生信号的各种传感器设备，比如压力传感器、麦克风等，通过获取环境中的振动、声音等环境信息，分析数据判断是否有人跌倒。Zhuang^[9]等人提出了一个通过远场麦克风检测家庭环境中跌倒声音信息的跌倒检测系统，该系统利用GMM（混合高斯模型）超向量对跌倒声音信号和噪声段进行建模，利用超声量的欧几里得距离测量两者音频段的差异，再用支持向量机将音频段划分为跌倒声音和各类噪声，从而判断是否跌倒；M.Alwan^[10]等人介绍了一种完全被动、不干扰居民的基于地面震动的跌倒探测器的工作原理和设计方案，在地板内嵌入压电式传感器，由于跌倒时产生的振动与人正常行走时产生的振动有明显的差别，从而分析振动信号判断是否跌倒，通过使用假人进行受控实验，跌倒检测率100%，具有最低误报警可能性。此类检测系统的制作成本昂贵、且易受到环境噪声的干扰，所以普及程度不高。

随着图像处理技术的快速发展，以及计算机硬件性能的不断提高，计算机视觉的研究方式在不断创新和改善，其应用领域也越来越广泛。基于计算机视觉的跌倒检测技术研究正逐步趋于成熟，它通过各种摄像头，比如单目、双目摄像头、3D摄像头等获取图像信息，利用图像分割技术提取出图像中的人体前景，再提取轮廓中的人体特征，依据特征数据分析跌倒与日常活动的区别进而判断跌倒状况，或者建立跌倒数据库，采用机器学习训练数据获取HOG特征，再通过SVM分类器检测跌倒。谢靖^[16]采用Kinect3D摄像头获取深度和彩色图像，提取图像中的人体轮廓，定位头部的大致位置，再根据彩色图像识别出人体的肤色，便可确定头部位置并描述出其运动轨迹，获取头部的运动速度以此作为跌倒判断的依据，利用SVM进行分类判断是否跌倒；李战明^[6]等人利用Camshift目标跟踪算法读取视频序列，跟踪运动目标以提取人体轮廓，应用椭圆拟合人体外形，以椭圆中心点和下顶点代表老人身体的中点和脚，提取其加速度和角度信息设置合适的阈值作为跌倒判断的特征，该方案相对于学习类特征检测计算复杂度下降，同时具有良好的检测效果；周民刚^[13]根据深度图像提取轮廓精度高，轮廓提取的曲率尺度空间特征具有尺度不变性的特点，建立深度图像和彩色图像跌倒检测库，再将提取特征通过极速学习机分类训练，从而进行跌倒检测，同时该文章也提出了一种基于可形变多部件模型的检测算法，即使有遮挡或障碍物干扰，也可根据人体姿态有效判断跌倒状况。

相对于基于穿戴设备和基于环境信息的跌到检测系统，基于计算机视觉的检测系统在很多方面有着无法比拟的优势，不会因需穿戴在身上而增加负担，更不会干扰人的正常生活，同时随着硬件性能的发展和摄像头的价格越来越便宜，其成本价格可广泛为人接受，检测准确率方面也有着绝对的优势。常用的基于视觉的检测方法是先通过GMM建立背景的动态模型，然后利用背景减除法提取前景轮廓，或者直接通过帧差法获取前景轮廓，然后提取轮廓特征，而对轮廓的特征选择与提取是检测系统的关键，实现的方法也多种多样，比如通过获取头部的运动速度完成跌倒检测或者提取人体躯干的运动方向信息判别跌倒，本课题将进一步分析跌倒姿态与日常活动姿态的差别，提取完整的轮廓特征信息有效区分跌倒动作与绝大部分日常活动姿态，提高检测的正确率。

1.3 主要工作内容及章节安排

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：