Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Dorsal Hand Vein Recognition Method Based on Multi-bit Planes Optimization Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Robust Recognition Algorithm for Fall Down Behavior

verfasst von : Wei Yan, Jianbin Xie, Peiqin Li, Tong Liu

Erschienen in: Biometric Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Detecting fall down behavior is a meaningful work in the area of public video surveillance and smart home care, as this behavior is often caused by accident but usually trigger serious result. However, the uncertain individual behavior, the difference between different cameras, and the complexity of real application scene make the work absolutely hard. In this paper, a robust fall down behavior recognition algorithm is proposed based on the spatial and temporal analysis of the Key Area of Human Body (KAHB). Firstly, a modified ViBe method is applied to extract motion area. Then a pre-trained human body classifier combined with histogram tracking is used to locate the KAHB and extract its normalized spatial and temporal features. Finally, a SVM classifier is employed to find the fall down behavior.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel The Detection of Beard Behavior of Taxi Drivers Based on Traffic Surveillance Video
Nächstes Kapitel Multi-source Interactive Behavior Analysis for Continuous User Authentication on Smartphones
Literatur
1.
Aggarwal, J.K., Ryoo, M.S.: Human activity analysis: a review. ACM Comput. Surv. 43(3) (2011). Article 16, 43 pages
2.
Yao, B., Hagras, H., Lepley, J.J., Peall, R., Butler, M.: An evolutionary optimization based interval type-2 fuzzy classification system for human behaviour recognition and summarization. In: 2016 IEEE International Conference on Systems, Man, and Cybernetics (SMC), pp. 004706–004711 (2016)
3.
Fan, C., Zhou, Y.: A recognition algorithm for behaviors with high similarities based on Kinect. In: 2016 2nd IEEE International Conference on Computer and Communications (ICCC), Chengdu, pp. 1255–1259 (2016)
4.
Kuo, C.H., Chang, P.C., Sun, S.W.: Behavior recognition using multiple depth cameras based on a time-variant skeleton vector projection. IEEE Trans. Emerg. Topics Comput. Intell. PP(99), 1 (2017)
5.
Wen, C., Yuan, H., Gao, Y., Li, J.: The abnormal behavior recognition based on the smart mobile sensors. In: 2016 9th International Symposium on Computational Intelligence and Design (ISCID), vol. 1, pp. 390–393 (2016)
6.
Quan, W., Kubota, N.: Fall down detection for surveillance of health care. In: 2015 Conference on Technologies and Applications of Artificial Intelligence (TAAI) (2005)
7.
Chu, H., Yang, Y., Xie, Z., Zhang, R., Liu, F.: Research of behavior recognition algorithm based on block matrix. In: 2016 IEEE International Conference on Mechatronics and Automation, pp. 1716–1720 (2016)
8.
Mu, C., Xie, J., Yan, W., Liu, T., Li, P.: A fast recognition algorithm for suspicious activity in high definition videos. J. Multimedia Syst. (2015)
9.
Barnich, O., Van Droogenbroeck, M.: ViBe: a universal background subtraction algorithm for video sequences. IEEE Trans. Image Process. 20(6), 1709–1724 (2011)MathSciNetCrossRef
Metadaten
Titel
Robust Recognition Algorithm for Fall Down Behavior
verfasst von
Wei Yan
Jianbin Xie
Peiqin Li
Tong Liu
Copyright-Jahr
2018
Buch
Biometric Recognition

Print ISBN: 978-3-319-97908-3

Electronic ISBN: 978-3-319-97909-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-97909-0_70