来源：期刊VIP网 时间：
作者：肖培宇;刘韵婷;刘欣然;郭辉;
单位：沈阳理工大学自动化与电气工程学院;
摘要：社会老龄化加剧使得跌倒事故成为老年人群突出的健康威胁。实现跌倒行为的精准检测对预防伤害、提升生活质量具有重要意义。当前跌倒检测技术受环境干扰（如光照变化、复杂背景等）影响，存在识别准确率不足的问题。针对传统方法在复杂细节捕捉、跌倒判定条件优化及遮挡场景检测等方面的局限性，提出一种融合STRS-YOLO与改进OpenPose的跌倒检测算法，实现对跌倒行为的检测与分类。首先，在骨干网络中，采用Swin Transformer模块替代C3模块，在颈部网络采用RefConv重参数化的重聚焦卷积代替传统卷积，构建通道空间混合注意力机制（SA-Net）模型；其次，在通道维度上，通过DenseNet模块将每层与之前所有层直接连接，并对单个人体目标利用改进的OpenPose网络进行关键点检测；最后，设定一个多参数的跌倒判定策略来优化分类和回归性能。实验结果表明，所提出的跌倒检测模型能够实现对老人跌倒行为高准确率、智能化的检测，具有较强的研究价值和广泛的应用前景。
关键词：跌倒检测;;STRS-YOLO;;OpenPose;;SA-Net;;注意力机制;;姿态识别;;重参数化
基金资助：国家重点研发计划子课题：国民体质检测技术智能化升级的研究（2020YFC2006701）;国家重点研发计划子课题：青少年体质健康检测技术的智能化升级（2020YFC20006701-1）
