东南大学 | 使用人体姿态的基于视频的摔倒检测

论文标题：Video Based Fall Detection Using Human Poses

论文链接：https://arxiv.org/abs/2107.14633

作者单位：东南大学

本文提出一种视频人体摔倒检测新网络，包含一个3D姿态估计器和一个基于人体姿态的摔倒检测网络，表现SOTA！速度高达63 FPS！

由于深度卷积神经网络的最新进展，基于视频的跌倒检测精度已大大提高。然而，仍然存在一些挑战，例如光照变化、复杂的背景，降低了这些方法的准确性和泛化能力。同时，大的计算成本限制了现有跌倒检测方法的应用。为了缓解这些问题，本文提出了一种使用人体姿态的基于视频的跌倒检测方法。首先，轻量级姿态估计器从视频序列中提取 2D 姿势，然后将 2D 姿态lift为 3D 姿态。其次，我们引入了一个强大的跌倒检测网络来使用估计的 3D 姿态识别跌倒事件，这增加了各个领域并通过空洞卷积保持了低计算成本。实验结果表明，所提出的跌倒检测方法在大型基准动作识别数据集 NTU RGB+D 上实现了 99.83% 的高精度，在非 GPU 平台上实现了 8 FPS，在 GPU 平台上实现了 63 FPS。

内容中包含的图片若涉及版权问题，请及时与我们联系删除