Select Language

公开数据集

跌落检测数据集,用于跌倒检测系统

跌落检测数据集,用于跌倒检测系统

Scene:

Action/Event Detection

Data Type:

Classification
所需积分:12 去赚积分?
  • 353浏览
  • 1下载
  • 0点赞
  • 收藏
  • 分享

贡献者查看主页

小小程序员

致力于人工智能业务的研究、数据集处理。

Data Preview ? 508.77M

    Data Structure ?

    *数据结构实际以真实数据为准

    跌倒检测系统的目标是自动检测人类跌倒并可能已经受伤的情况。这种系统的一个自然应用是对病人和老人的家庭监控,以便在跌倒造成伤害的情况下自动提醒亲属和/或当局。我们提出了一种基于Kinect的统计方法,通过考虑人跌倒的帧数、跌倒的幅度、跌倒的最大速度和跌倒过程中逐帧下降的速度,根据最后几帧做出判断。由于深度传感器的范围是0:5米到4米,一个Kinect不足以覆盖整个空间。我们在家庭环境中设置了两个Kinects。我们独立于用户和相机的测试表明,我们的方法在现实生活中是适用的。

    实验场景

    本文的实验数据来自于德克萨斯大学阿灵顿分校Heracleia以人为本计算实验室的实验。在这个实验室里,设置了一个模拟的公寓。两个Kinects被设置在公寓的两个角落,并被设置为监视公寓。设置两个Kinects的原因是深度传感器的范围是从0:5米到4米,这意味着一个Kinect不足以覆盖整个公寓。下图中第一行是视图1,第二行是视图2,左边是深度图,右边是颜色图。


    实验场景

    本文的实验数据来自德克萨斯大学阿灵顿分校的 Heracleia人类中心计算实验室的实验。

    在这个实验室中,已经设置了一个模拟公寓。在公寓的两个角落设置了两个 Kinect,并设置了监控公寓。设置两个 Kinect 的原因是深度传感器的范围为 0:5m 到 4m,这意味着一个 Kinect不足以覆盖整个公寓。

    左侧为深度图,右侧为彩色地图。


    实验数据

    六个被试在两个场景中分别做了几个动作。

    这些动作包括真正的跌倒和其他类似跌倒的动作,如从地上捡起硬币,在地上坐下,系鞋带等。场景1中有10400帧和12个真实摔倒,而场景2中有21214帧和14个真实摔倒。下表显示了我们实验中的类似摔倒的动作。

    在上表中,pf表示从地板上捡东西,ts表示系鞋带,sb表示在床上睡觉,sif表示坐在地板上,pd表示打开下面的抽屉,这个抽屉离地板很近,jb表示跳到地上,sf表示在地板上睡觉。下面的数字显示了一个跌倒的过程。

    A fall process


    在注释文件中,格式是这样的。Alexis view1 202 215。Alexis是用户名。view1表示场景1。202是开始帧,215是结束帧。下面的数字显示了一个典型的类似摔倒的动作,就是坐在地上。

    Sitting on the floor

    0相关评论
    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。