基于时空图卷积网络的红外视频跌倒检测方法

及时检测跌倒并警报医疗救助对独自生活的老年人的健康监测至关重要。本文主要关注传统视觉传感器基于的跌倒检测所面临的适应性差、隐私侵犯和识别准确性低等问题。我们提出了一种基于红外视频的跌倒检测方法，利用时空图卷积网络（ST-GCNs）来解决这些挑战。我们的方法使用精细调优的AlphaPose从红外视频中提取二维人体骨架序列。随后，骨架数据以笛卡尔坐标和极坐标表示，并通过双流ST-GCN进行处理，以及时识别跌倒行为。为了增强网络对跌倒动作的识别能力，我们改进了图卷积单元的邻接矩阵，并引入了多尺度时间图卷积单元。为了方便实际部署，我们优化了ST-GCN的时间窗口和网络深度，在模型准确性和速度之间取得平衡。对专有的红外人类动作识别数据集的实验结果表明，我们提出的算法能以最高96%的准确率准确识别跌倒行为。此外，我们的算法表现稳定，能够在近红外和热红外视频中识别跌倒。