基于长短时记忆网络的人体姿态检测方法

作者:郑毅;李凤;张丽;刘守印; 刊名:计算机应用 上传者:杨慧

【摘要】针对在循环神经网络(RNN)网络结构下较为遥远的历史信号无法传递至当前时刻的问题,长短时记忆(LSTM)网络作为RNN的一种变体被提出,在继承RNN对时间序列优秀的记忆能力的前提下,LSTM克服了这种时间序列的长期依赖问题,并在自然语言处理与语音识别领域有较好的表现。对于人体行为动作中也存在作为时间序列的长期依赖问题与使用传统滑窗算法采集数据时造成的无法实时检测的问题,将LSTM扩展应用到人体姿态检测,提出了基于LSTM的人体姿态检测方法。通过目前智能手机中一般都带有的加速度传感器、陀螺仪、气压计和方向传感器实时采集的时序数据,制作了包含3 336条带有人工标注数据的人体姿态数据集,对行走、奔跑、上楼梯、下楼梯和平静五种日常持续性行为姿态与跌倒、起立、坐下和跳跃这四个突发行为姿态进行预测分类。对比LSTM网络与该研究领域内常用的浅层学习算法、深度学习全连接神经网络与卷积神经网络,实验结果表明,所提方法使用端对端的深度学习的方法相比基于所制作数据集的人体姿态检测算法模型的正确率提高了4.49个百分点,验证了该网络结构的泛化能力且更适合姿态检测。

全文阅读

0引言根据国家统计局2016年的统计数据可知,在中国,60周岁及以上人口23 086万人,占总人口的16.7%;65周岁及以上人口15 003万人,占总人口的10.8%[1]。根据联合国对“老龄化社会”的定义:区域中65岁以上的人口比率超过总人口的7%,中国已经属于老龄化严重的国家之一。而老年人随着年龄的增长,身体机能逐年下降,而随着生活节奏的加快,子女由于自己的事业往往不能在其身边陪伴;当突发事件(例如跌倒)发生时,老人无法第一时间得到帮助;对于一些患有轻微老年痴呆症的老年人,更需要耗费人力物力监测其日常行为。人体姿态检测技术有助于子女对其生活状态与日常行为的掌握,也有助于医疗机构对老年人的身体机能与健康程度的判断。因此,尤其是对于老龄化严重的中国来说,老年人姿态的检测算法研究具有重要的意义。人体姿态检测按照检测内容可以分为两大类:突发性动作姿态检测与持续性动作姿态检测。突发性动作姿态检测是指仅检测出特定的、作用时间短的人体姿态。在对于老年人的这类研究中,由于跌倒对于老年人心理与生理上的危害特别大,所以跌倒检测系统的设计显得尤为重要。另一方面,持续性动作姿态检测则是检测出被测者保持在何种运动状态,这对于老年人的日常行为起到记录的作用。本文所用算法将跌倒作为一种特殊的运动状态,同时检测老年人的持续性与突发性动作姿态。人体姿态检测按照数据获取来源可以分为基于图片的姿态检测与基于传感器序列的姿态检测。张承玺[2]使用摄像头获得的RGB图像作为数据源,通过计算前景图像的几何特征结合支持向量机(Support Vector Machine,SVM)分类器完成固定场景下的人体姿态识别;李靖意[3]使用微软开发的Kinect传感器采集人体深度图像,通过结合人体动作描述符与SVM分类器相结合,设计了人体动作识别算法;Bourke等[4]通过垂直速度阈值法(Vertical Velocity Threshold method,VVT)设计了一套光学运动捕捉系统并将其嵌入至可穿戴设备中。基于可穿戴设备或者摄像头的数据采集设计一方面增加了设备硬件成本,另一方面,必须强制穿戴数据采集设备或在家中安装摄像头也会使老年人心理上产生一种被监视的感觉,不利于老年人的身心健康。而现如今,针对老年人设计的智能手机越来越多,老年人使用智能手机是必然的趋势。而智能手机本身所包含的传感器越来越多,使用其作为数据采集器可以很好地避免以上的不利因素,所以本文采取智能手机采集数据。现在人工智能时代正在到来,机器学习算法已经应用到了各行各业中。依靠传统算法手工提取特征值会遇到特征值提取不充分和无法区分相似度较高的动作。人工智能技术高速发展的今天,使用机器学习技术对老年人姿态进行检测可以通过算法自动提取不同动作的特征,得到更准确的分类结果,从而为老年人提供更全面的照顾与保护。在国际上,通过智能手机采集数据后,Anguita等[5]通过SVM算法与固定点连续(Fixed-Point Continuation,FPC)算法相结合,对六种日常动作分类并获得了89.3%的实验结果;Tong等[6]则使用了隐马尔可夫(Hidden Markov Model,HMM)算法,对于智能手机采集的加速度时间序列数据分为跌倒与正常两种状态,在训练集上达到100%的正确率。国内这一领域的研究有吴科艳等[7]提出使用领域一致性指标与离散二进制粒子群算法相结合对老年人跌倒行为进行检测,其输出层使用K最近邻(K-Nearest Neighbor,KNN)分类器得到98.77%的训练集正确率;张舒雅等[8]使用SVM与KNN

参考文献

引证文献

问答

我要提问