基于改进的ST-GCN模型的跌倒检测算法

针对当下基于图像的传统跌倒检测算法难以提取时域动作特征所导致的模型检测过程中所存在无法提取动态信息问题,建立了一种基于关节点提取和改进的ST-GCN模型的实时跌倒检测算法。首先根据姿态识别算法Alphapose提取视频中人体的骨架关节点信息;然后对时域中的骨架关节点序列进行Kalman滤波估计,得到稳定变化的人体时空图;最后在传统模型基础上,考虑了一种适用于检测跌倒的新型图卷积划分策略,相比原有划分策略,加强了身体相对位置的整体联系,使得利用此模型对时空图中的人体动作进行识别。算法在数据集UR fall Detection和Multicam上与现有的几种方法进行比较,实验结果证明了文章算法的有效性。