给大家推荐5篇关于跌倒检测的计算机专业论文

今天分享的是关于跌倒检测的5篇计算机毕业论文范文, 如果你的论文涉及到跌倒检测等主题,本文能够帮助到你

基于改进YOLOv5的跌倒行为检测研究及应用

这是一篇关于跌倒检测,深度学习,YOLOv5,轻量化网络,嵌入式工控机的论文, 主要内容为跌倒检测技术在建筑智能化中具有重要意义,它可以提高居住环境的安全性,降低因跌倒带来的死亡风险及恢复后的潜在风险,同时还可以为医护人员、家庭和公共场所管理者提供有效的监测手段。随着摄像头等监控设备的普及和计算机视觉技术的成熟,基于视频的跌倒检测方法成为了更好的选择,该方法对老年人的入侵性较低且在实际部署中花费的成本也较低。因此,本文提出了一种更加高效和更轻量的YOLOv5改进模型,将其用于跌倒检测。主要研究工作如下:(1)针对YOLOv5模型在跌倒检测中存在的问题,提出了一种基于YOLOv5的跌倒检测模型改进方法。首先通过在YOLOv5的特征提取网络中引入CBAM注意力机制、对原始的边界框损失函数进行改进的方式提高模型的检测精度,降低模型发生漏检、误检的概率,然后在模型的Neck部分使用Bi FPN作为特征融合结构,并通过在特征融合结构中引入浅层特征的方式增加一个可以检测更小目标的检测层,以此提高模型对小目标的检测能力。通过上述改进,本文得到了对于跌倒检测任务的新模型:YOLOv5-CCB。实验结果表明,改进模型的m AP相较于原始YOLOv5提高了4%,并且模型的整体性能也得到了较大的提升。(2)针对当前实际场景下对于跌倒检测实时性的要求,提出了一种基于改进YOLOv5的跌倒检测模型轻量化方法。该方法以YOLOv5-CCB为初始模型,首先使用轻量级网络Shuffle Net V2作为主干部分的特征提取网络,然后再对其进行通道剪枝操作,进一步减少模型的体积,最后使用知识蒸馏的方法对剪枝后的模型进行优化,以提升轻量化模型的检测精度。通过上述的轻量化处理,本文得到了基于改进YOLOv5的轻量化跌倒检测模型:YOLOv5-SCCB。实验结果表明,该模型的权重大小仅为初始模型的51%,推理速度提升了1.4倍,并且与其他主流的目标检测算法和跌倒检测算法相比,本文的跌倒检测模型在检测精度和检测速度上都具有一定的优势。(3)综合基于YOLOv5的跌倒检测模型改进方法和轻量化方法,设计并实现了跌倒行为检测系统。在系统的设计与实现中,选用可靠性高、兼容性好的嵌入式工控机作为系统的硬件平台,使用Python语言实现了系统对跌倒检测模型的快速选择、相关阈值的调节、跌倒人数的统计等功能,并且使用Py Qt5框架搭建了跌倒行为检测系统的图形化界面,提升了系统操作的便捷性。图[52]表[14]参[60]

主动健康监测系统设计

这是一篇关于压电能量收集,健康监测,FPGA,跌倒检测的论文, 主要内容为近年来,随着国家的快速发展,国民经济水平不断提高,人们的需求也从满足基本的生活需要转变到追求更高的生活质量,各种与个人身体健康相关的设备或服务丛出不穷。从市面上出现的各种各样的智能手环、智能手表到市场需求越来越旺盛的各类健康体检服务,无不代表着国民对个人健康观念的加深。此外,我国还面临着严重的老龄化问题,老年人口数量越来越多。由于老年人身体机能的下降,更易出现健康问题,也更加需要利用健康监测设备掌握身体变化,提早发现潜在问题。但目前市面上健康监测设备还存在价格昂贵、监测功能单一和供能方式等局限。本文通过分析目前健康监测设备的现状,结合人们更广泛需求,设计了一款主动健康监测系统。此系统由能量收集系统和基于FPGA的传感器系统与控制系统组成。能量收集系统设计成鞋垫的形式,实现对穿戴者步行等日常活动时能量的采集与存储。传感器系统与控制系统基于FPGA设计,实现人体健康数据如心率、血氧饱和度、血压、体温信息的监测,被监测者的位置信息获取,实时的跌倒检测以及数据的云端物联网存储与预警提醒的功能。本文主要完成的工作有:一、进行能量采集装置设计。根据压电材料产生形变时会出现压电效应的原理以及其材料特性,设计能量收集的硬件结构与电路,将走路时因形变产生的电荷经过整流以及升压储存到锂电池和大电容中,以供系统使用。二、进行基于FPGA的传感器与控制系统设计。设计UART通信接口,实现心率血氧血压传感器数据的采集、卫星定位数据的获取与数据的4G物联网传输。设计采集数据包的解析程序状态机,筛选有效信息,实现卫星定位功能。充分了解IIC通讯协议,开发完成Verilog语言的IIC驱动程序,采集LM75A传感器体温数据和MPU6050传感器的加速度数据。对人体的日常走路和跌倒等动作的相关数据特征进行分析,并基于加速度数据设计完成跌倒检测算法。为实现算法中角度的计算,在FPGA硬件平台上设计实现了基于CORDIC原理的三角函数计算模块,最终实现跌倒检测功能。设计4G物联网模块的通信流程控制状态机,将各类数据上传至One NET平台,并设计了异常数据的预警提醒功能。各分系统功能设计完成后,设计FPGA总系统顶层控制逻辑的状态机,根据各分系统的状态信息产生各模块的工作使能信号,控制其他各传感器系统的工作流程。本文设计使用Xilinx的FPGA开发板和配套开发工具Vivado进行仿真调试与功能验证。从验证结果得出,各传感器工作正常,正确获取到各类健康数据,可以实现预期设计功能,本系统可以为个人健康管理、社区养老服务或智慧医疗提供一套完整的方案。

基于深度学习的室内人体跌倒检测研究与实现

这是一篇关于深度学习,跌倒检测,YOLOv5,姿态估计的论文, 主要内容为老年人跌倒事件是老龄化社会面临的一个严重问题,它不仅会影响老年人的健康和生活质量,也给家庭和社会带来沉重负担。深度学习技术能够通过对人体行为数据进行学习和训练,从而获得人体特征信息。论文工作来源于广东某实习基地项目,通过运用深度学习技术提取包括姿态、位置等关键信息,以能及时、准确地检测老年人的跌倒,并立即预警。因此论文工作具有理论和实践应用价值,以及显著的社会效益。深度学习技术应用到跌倒检测领域已成为当前理论研究和应用实践热点,近年来取得一定的成果。但经深入调研和分析发现,现有算法存在有效特征选取不足、目标检测位置不准确或姿态估计检测到无人区域的问题,以及算法计算量大等局限性。论文解决了上述三个问题,着重于解决前两个问题。论文工作旨在针对老年人室内环境下的跌倒检测,基于改进的目标检测与姿态估计相结合的算法进行人体跌倒检测,设计并实现了一个室内人体跌倒检测原型系统。论文主要开展了以下工作:第一,提出了一种新的结合改进YOLOv5和OpenPose的室内跌倒检测算法。首先,对YOLOv5进行了改进,添加了坐标注意力机制以适应室内人体目标、引入GSConv轻量级卷积模块和简化损失函数以减少参数量和计算量。其次,针对Open Pose的计算量和功耗问题,使用了深度可分离卷积替代传统卷积。然后,将改进后的YOLOv5用于检测人体目标,并将人体位置信息输入到Open Pose中进行关键点检测和姿态提取,进而判断是否发生跌倒。实验结果表明,论文算法在保持原有精度的同时提高了检测速度。第二,设计并实现了基于PyQt5的室内人体跌倒检测原型系统。采用面向对象系统设计理论和方法完成了需求分析、系统设计、数据库设计、系统实现和测试。通过需求分析,明确了系统的功能性和非功能性需求。在确定系统设计准则后进行了系统架构设计,由输入源选择、跌倒检测和输出检测记录三个功能模块组成。采用时序图、类图和流程图完成了各功能模块的结构设计,并使用My SQL数据库进行了数据库设计。系统实现采用C/S结构,使用Python和Py Qt5进行开发。在遵循GB/T25000.51-2016的测试规范基础上,进行了系统的功能性、安全性、易用性、实时性等指标测试,测试结果满足系统设计要求。第三,丰富跌倒数据集。鉴于目前可用于跌倒检测的数据集较少且类型单一,在公开数据集基础上自建了一批室内人体跌倒检测数据集,包含约9000张图片的数据集,为后续研究奠定基础。在实际生活中,跌倒是在复杂环境中产生的,因此使用三维数据进行姿态估计会更全面。项目工作仅使用了二维姿态估计进行跌倒检测,未来将引入三位三维姿态估计到跌倒检测中。

基于多传感器信息的跌倒检测防护系统设计与实现

这是一篇关于跌倒检测,多传感器信息,机器学习,跌倒防护,气囊触发装置的论文, 主要内容为人口老龄化是我国当前经济社会发展面临的一个较大的问题。由于身体机能的退化,老年人跌倒的概率要明显高于其他群体。跌倒严重威胁着老年人的生命健康,同时也给其家庭带来巨大的经济负担。在检测到老人失去稳定后,弹开安全气囊可以很大程度上减少跌倒冲击对老人的伤害,另外及时的报警信息能够让老人得到快速援助。在目前的跌倒检测研究中,多数系统使用的传感器信息较为单一,所采集信息不能够全面反映身体运动,使得检测的结果有限。因此,本文使用多传感器信息对跌倒进行检测,并开发了快速充气的气囊触发装置,可以在更换气瓶后重复使用。本文主要的研究内容如下:(1)通过对系统软硬件需求分析制定跌倒检测防护整体方案,并介绍方案实施过程中涉及的相关技术。搭建多传感器数据采集装置,并采集模型训练所需数据。通过分析确定了传感器的佩戴位置,对数据采集装置硬件模块进行了选择,并搭建采集装置。为了获得更多传感器信息,使用坐标系转换和卡尔曼滤波算法,对垂直方向的信息进行求解。(2)结合机器学习算法和手机App,实现跌倒实时检测的功能。对采集的数据预处理之后,设计了基于统计学习和深度学习的两种跌倒检测算法,前者使用波形的相似性来提取数据特征,之后使用统计学习模型对特征进行处理得到是否会跌倒。后者使用阈值法对数据进行一次预筛之后,使用卷积神经网络对最终结果分类。通过比较,基于深度学习的跌倒检测算法更加适用于实时检测,该方法的检测准确率和平均前置时间可达到99.2%和352ms。将训练好的模型部署在开发的实时检测App中,可以实现对跌倒的实时检测。(3)开发一款可重复使用的气囊触发装置,并对系统进行实验验证。利用摩擦自锁的方式将弹簧弹力提前储存,在触发时,利用杠杆结构和电磁铁装置来打破平衡状态,巧妙实现了对气囊的充气。实验表明该装置充满整个气囊使用的时间平均为287ms,相较于跌倒检测算法平均352ms的前置时间,所设计的气囊触发装置完全符合跌倒防护的要求。