智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

室内环境下人体摔倒检测算法的研究

这是一篇关于摔倒检测,目标跟踪,目标检测,特征融合的论文, 主要内容为随着深度学习的发展,人们尝试采用深度学习的技术来对人体跌倒行为进行检测,以达到当摔倒行为发生时及时发现并送往医院就医的目的,从而减轻跌倒行为对人体带来的伤害。当前室内环境下摔倒的检测多是对目标本身进行检测,并且精确度低速度慢。因此本文围绕室内环境下的摔倒检测任务,对基于计算机视觉的跌倒检测方法进行研究,并对目标检测、特征提取以及最终的行为分类等方面都进行了改进,使室内环境下摔倒检测算法在能实时检测的同时能够提高检测准确率。本文所取得的成果包括如下几个方面:首先,在目标检测方面,针对Faster-RCNN目标检测算法存在的网络运算速度低且精确度不够高的问题,对其算法框架和算法流程方面进行改进。该算法将Res Net作为主干网络,通过帧间差分法预先判决运动目标,然后将运动目标检测框及其周围扩展框内的图像作为候选框再输入到Faster-RCNN,这样减少了RPN预选框生成的数量;同时,通过参考特征金字塔结构逐层提取特征,将深浅层的特征进行加权融合,提高检测的精度,保证了当运动目标出现时能够实时准确的将人体和非人的运动目标区分开。在此基础上,在目标跟踪方面,选用Deepsort算法作为目标跟踪算法,将改进的Faster-RCNN目标检测算法与Deepsort算法相结合,通过将Faster-RCNN目标检测算法检测框作为输入与Deepsort算法生成的track进行关联和匹配,校准Deepsort算法的跟踪框,从而提高了目标跟踪算法的跟踪的精确度,保证了在目标出现遮挡时不会出现漏检和ID更换的情况。其次,在行为分类方面,从视频本身出发,提出了基于支持向量机的摔倒检测模型,该算法利用上述的目标跟踪算法提取人体的运动轨迹,C3D网络代替C2D网络提取运动轨迹的特征,接着采用结合遗传算法改进SVM分类器进行摔倒检测,该模型实现等间隔的图像特征融合,在环境中干扰较小时能快速有效的识别出摔倒动作。另外,从人类有两条视觉信息处理通道这一角度出发,提出了基于多特征融合的摔倒检测算法,该算法利用上述的目标跟踪算法提取人体的运动轨迹,并采用Inception V2网络提取人体运动过程中不同维度的特征,同时将不同维度的特征在决策层上进行加权融合,在此基础上采用Soft max算法进行特征分类。相对于支持向量机的摔倒检测模型,该算法实现了基于决策层的多特征融合机制,虽然算法的速度有所降低,进一步提高了算法的精确度,更适用于相对复杂的室内环境。

智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

智慧养老服务平台中移动APP的设计与实现

这是一篇关于智慧养老,移动应用,后台开发,摔倒检测的论文, 主要内容为随着我国经济社会的发展,老年人口占比逐渐增多,养老智慧化将成为社会发展趋势。如何利用现代化信息通信技术如物联网在线监测、大数据分析、人工智能预测、分布式部署等实现养老服务智能化管理是智慧养老中的热点研究问题。本文基于已有智慧养老服务平台的基础架构,以普遍使用的智能终端设备为着力点,从客户端、后台服务、边缘端三方面给出了智慧养老服务平台移动APP的设计实现方案。该方案包括以组件化开发方式抽离出公共组件,搭建涉及多方用户角色的移动客户端;提出了一种智慧养老服务平台数据库模块和功能模块的接口设计与实现方案;提出了一种利用边缘计算及计算机视觉的老人摔倒检测设计与实现方案,该方案在选用的目标检测模型的anchor设定机制和正负样本的判定方式等方面进行了优化,提高了老人识别的准确率。本文的主要工作如下:(1)立足于养老生活中的实际需求,面向老人、子女及智慧养老服务平台运营人员多方用户角色,本文提出了一种智慧养老服务平台中客户端APP的设计与实现方案,该方案采用组件化开发策略,抽离出公共组件,将不同通用程度的功能组件分层设计,实现功能组合,减少了开发多个客户端的冗余工作,提高了功能组件的复用性与拓展性。(2)提出了一种智慧养老服务平台移动APP的后端功能模块框架的设计与实现方案,该方案整体上使用Spring Cloud框架进行构建。各个业务模块上,使用基于Spring Boot的微服务架构,结构上从上到下采取层次化设计对外提供可调用接口。提出了一种智慧养老服务平台中移动APP的后台服务数据存储设计与实现方案。实现了基础信息管理、异常告警、服务管理、订单管理、消息同步等功能模块。(3)提出了一种利用边缘计算及计算机视觉技术的老人摔倒检测设计与实现方案。该方案考虑了智慧养老服务平台在多用户条件下的服务器计算压力,以目标检测模型为基础,结合人体姿态变化判断摔倒状态,权衡计算精准度和时间延迟度后,选择SSD＿MobileNet＿v2网络为目标检测网络;以自行收集标注的人体图片作为训练数据集,将训练好的网络做轻量化处理,以docker形式打包部署到边缘侧。针对智慧养老服务平台中单类目标检测场景的特点,对SSD算法中的anchor固有设定方式进行了优化,使用聚类算法分析出数据集的宽高比值集中值,依据聚类结果对SSD算法中的anchor长宽比重新设定以提高识别准确度。针对当前SSD算法中anchor的正负样本判别方式忽略了数据集自身统计特性的问题,提出了一种在SSD＿MobileNet＿v2网络中自适应判定正负样本的方法,提升了智慧养老服务平台中摔倒检测功能。理论分析与实验结果表明提高了老人摔倒识别的准确率。

室内环境下人体摔倒检测算法的研究

这是一篇关于摔倒检测,目标跟踪,目标检测,特征融合的论文, 主要内容为随着深度学习的发展,人们尝试采用深度学习的技术来对人体跌倒行为进行检测,以达到当摔倒行为发生时及时发现并送往医院就医的目的,从而减轻跌倒行为对人体带来的伤害。当前室内环境下摔倒的检测多是对目标本身进行检测,并且精确度低速度慢。因此本文围绕室内环境下的摔倒检测任务,对基于计算机视觉的跌倒检测方法进行研究,并对目标检测、特征提取以及最终的行为分类等方面都进行了改进,使室内环境下摔倒检测算法在能实时检测的同时能够提高检测准确率。本文所取得的成果包括如下几个方面:首先,在目标检测方面,针对Faster-RCNN目标检测算法存在的网络运算速度低且精确度不够高的问题,对其算法框架和算法流程方面进行改进。该算法将Res Net作为主干网络,通过帧间差分法预先判决运动目标,然后将运动目标检测框及其周围扩展框内的图像作为候选框再输入到Faster-RCNN,这样减少了RPN预选框生成的数量;同时,通过参考特征金字塔结构逐层提取特征,将深浅层的特征进行加权融合,提高检测的精度,保证了当运动目标出现时能够实时准确的将人体和非人的运动目标区分开。在此基础上,在目标跟踪方面,选用Deepsort算法作为目标跟踪算法,将改进的Faster-RCNN目标检测算法与Deepsort算法相结合,通过将Faster-RCNN目标检测算法检测框作为输入与Deepsort算法生成的track进行关联和匹配,校准Deepsort算法的跟踪框,从而提高了目标跟踪算法的跟踪的精确度,保证了在目标出现遮挡时不会出现漏检和ID更换的情况。其次,在行为分类方面,从视频本身出发,提出了基于支持向量机的摔倒检测模型,该算法利用上述的目标跟踪算法提取人体的运动轨迹,C3D网络代替C2D网络提取运动轨迹的特征,接着采用结合遗传算法改进SVM分类器进行摔倒检测,该模型实现等间隔的图像特征融合,在环境中干扰较小时能快速有效的识别出摔倒动作。另外,从人类有两条视觉信息处理通道这一角度出发,提出了基于多特征融合的摔倒检测算法,该算法利用上述的目标跟踪算法提取人体的运动轨迹,并采用Inception V2网络提取人体运动过程中不同维度的特征,同时将不同维度的特征在决策层上进行加权融合,在此基础上采用Soft max算法进行特征分类。相对于支持向量机的摔倒检测模型,该算法实现了基于决策层的多特征融合机制,虽然算法的速度有所降低,进一步提高了算法的精确度,更适用于相对复杂的室内环境。