摘要
随着我国老龄化的加剧，老龄人口的健康成为人们关心的首要问题。多数老人
长期生活在室内环境无人照看，当发生跌倒时不能进行及时救治将对老人的健康造
成严重的威胁。为此，对跌倒识别深入研究以降低跌倒对老人的危害十分必要。由
于人员姿态的多样性以及行为的复杂性，在基于单帧图像对跌倒行为识别时会将弯
腰、坐下等行为误检为跌倒行为，甚至出现漏检；多数算法为单人检测难以广泛应
用。针对以上问题，本文分别提出两种不同的跌倒识别算法，主要研究内容如下：
（1）提出一种融合空间特征和时序特征的跌倒识别算法，算法由2D卷积分支
与3D卷积分支组成。在2D卷积分支重新设计残差结构提取1帧空间特征对跌倒人
员进行定位，对3D卷积进行密集连接提取16帧跌倒视频的时序特征。在特征融合
部分融入非局部注意力机制，使得在融合时引导网络关注目标本身。在算法的最后
融入四维场景信息向量降低误检率，使用SIOU作为检测框的损失函数提高算法检
测精度。算法在跌倒数据集实验准确率为98.3%，并在不同场景进行鲁棒性和准确
性测试，测试表明算法模型能够为跌倒识别提供可行的技术方案。
（2）提出一种结合改进KAPAO（KeypointsAndPoseAsObjects）、卡尔曼滤
波和改进STGCN（SpatioTemporalGraphConvolutionalNetworks）的跌倒识别算法。
首先针对KAPAO网络对局部特征较弱的人体骨骼关键点检测精度不足，设计融合
注意力融合机制的BiFPN（Bi-directionalFeatureNetwork）模块充分融合不同语义特
征，在网络输出阶段设计自适应扩张卷积模块有效获得全局信息，在网络的后处理
部分改进NMS（Non-MaximumSuppression）算法保留最优的关键点预测框。改进
的KAPAO网络在COCO关键点数据集上的AP0.5为90.1%。使用卡尔曼滤波对
KAPAO检测的人体检测框进行跟踪，并对不同目标进行ID标识。在STGCN网络
的基础上增加运动向量分支，并重新设计图卷积运算中邻接矩阵的计算方式。使用
改进STGCN对KAPAO在自建的跌倒数据集检测的关键点数据进行消融实验和对比
实验，结果表明算法的准确率为98.9%，提高了跌倒识别的准确率。
（3）设计面向室内场景的跌倒识别系统，使用PYQT5完成系统界面的设计，
将算法模型移植到JetsonXavierNX嵌入式设备中完成系统的搭建，在真实场景中对
系统进行测试。测试结果表明，搭建的系统能够在嵌入式设备上完成跌倒识别任务，
并达到较好的准确性和实时性。
关键词：跌倒识别系统；关键点检测；特征融合；图卷积；卡尔曼滤波
I
II
ABSTRACT
Withtheintensificationofaginginourcountry,thehealthoftheelderlypopulation
hasbecometheprimaryconcernofpeople.Mostoldpeopleliveintheindoorenvironment
andunattendedforalongtime.Whenafalloccurs,timelytreatmentcannotbecarriedout,
thehealthoftheelderlywillbeseriouslythreatened.Therefore,in-depthresearchonfall
recognitionisnecessarytoreducetheharmoffallstotheelderly.Duetothediversityof
personnelposturesandthecomplexityofbehavi