Методика создания детектора пожилых людей на основе компьютерного зрения и преобразования признаков движения объекта

Abstract

Предлагается новая методика создания детектора падений на основе машинного зрения, которая использует инструмент tsfresh для генерации признаков с учетом параметров движения ограничивающей область объекта рамки и выполняет классификацию в режиме скользящего окна. Демонстрируется эффективность сгенерированных tsfresh признаков по сравнению с первичными признаками. Определяется наилучшая модель обнаружения падений человека с использованием библиотеки «auto-sklearn» и обобщенного набора данных из датасетов «UR Fall Detection и CAUCAFall». Модель, основанная на классификаторе методом gradient boosting, реализует точность детектирования 96% на основе образованных tsfresh вторичных признаков. Разделимость классов с использованием анализа главных компонентов показала, что для вторичных признаков 99% дисперсии приходится на первые 4 главных компонента, в то время как для первичных признаков первые 10 главных компонентов содержат только 80% дисперсии данных. Рассмотрена практическая применимость предлагаемого подхода в системах мониторинга человека в реальном времени. Время обработки для генерации вторичных признаков и прогнозирования составляет не более 3 с на последовательность, что подтверждает практическую применимость предлагаемого подхода в системах мониторинга падений в реальном времени