鉴于当前家庭监控主要依赖人力操作,且多数家庭监控系统尚不具备对摔跤行为进行自动识别并触发报警的功能,或其识别精度远未达到实际需求标准,本研究提出一种基于人工智能神经网络的方法,利用YOLOv5(You Only Look Once)目标检测技术和O...鉴于当前家庭监控主要依赖人力操作,且多数家庭监控系统尚不具备对摔跤行为进行自动识别并触发报警的功能,或其识别精度远未达到实际需求标准,本研究提出一种基于人工智能神经网络的方法,利用YOLOv5(You Only Look Once)目标检测技术和OpenCV图像处理技术,通过Python接口对接PushPlus推送平台以及SMTP邮件传输服务器,构建了一套能够实时检测、准确判断居家老人摔倒情况并即时发出警报通知的老人居家摔倒警报系统。该系统适用于家庭监控场景,可以直接在任何Windows系统云主机上部署运行,利用流媒体服务器自带的HTTP接口与本系统无缝结合。同时,该系统还可搭配Kytera系统的智能手环和易于佩戴的传感器设备,以弥补监控盲区及卫生间等私密场所的监控缺陷,从而全面满足看护需求,提升老人居家安全防护水平。实验结果显示,在存在背景干扰的情况下,通过对包含1000张图片的数据集进行训练,本系统能快速精确地定位运动中的人物,并实现高达96.9%的摔倒识别准确率,平均精度(MAP)逼近90%,且系统能在3500 ms内完成响应并发送警报通知,充分证明了本系统的高效可行性和实用性。展开更多
文摘鉴于当前家庭监控主要依赖人力操作,且多数家庭监控系统尚不具备对摔跤行为进行自动识别并触发报警的功能,或其识别精度远未达到实际需求标准,本研究提出一种基于人工智能神经网络的方法,利用YOLOv5(You Only Look Once)目标检测技术和OpenCV图像处理技术,通过Python接口对接PushPlus推送平台以及SMTP邮件传输服务器,构建了一套能够实时检测、准确判断居家老人摔倒情况并即时发出警报通知的老人居家摔倒警报系统。该系统适用于家庭监控场景,可以直接在任何Windows系统云主机上部署运行,利用流媒体服务器自带的HTTP接口与本系统无缝结合。同时,该系统还可搭配Kytera系统的智能手环和易于佩戴的传感器设备,以弥补监控盲区及卫生间等私密场所的监控缺陷,从而全面满足看护需求,提升老人居家安全防护水平。实验结果显示,在存在背景干扰的情况下,通过对包含1000张图片的数据集进行训练,本系统能快速精确地定位运动中的人物,并实现高达96.9%的摔倒识别准确率,平均精度(MAP)逼近90%,且系统能在3500 ms内完成响应并发送警报通知,充分证明了本系统的高效可行性和实用性。