1、隨著我國人口老齡化程度不斷加劇和社會生活壓力的日漸增長，空巢老人的比例不斷上升。老人獨自居住造成很多社會問題，尤其是老人的健康問題，其中老人意外跌倒損傷是影響老人健康的主要原因之一。老人跌倒后沒有被及時處理會增加二次傷害，甚至導致老人意外死亡。據(jù)相關統(tǒng)計50%以上的老人跌倒發(fā)生在家中，如果能夠?qū)先说牡剐袨檫M行實時的監(jiān)控，當老人發(fā)生跌倒行為后能準確識別，并向其監(jiān)護人發(fā)送提醒信息，使老人得到及時的救助將極大減少跌倒對老人健康的傷害?；?/p>

2、此，本文展開了基于深度學習和WebRTC的智能跌倒監(jiān)控系統(tǒng)的研究。主要工作如下：
　　在分析基于深度學習和WebRTC的智能跌倒監(jiān)控系統(tǒng)的功能需求的基礎上，提出了系統(tǒng)的技術方案。該方案使用深度學習技術實現(xiàn)老人跌倒行為的智能識別，基于WebRTC視頻傳輸架構(gòu)實現(xiàn)遠程視頻傳輸。
　　展開了基于深度學習的跌倒行為識別的研究。首先，提出并仿真實現(xiàn)了基于視頻幀和VGGNet-16卷積神經(jīng)網(wǎng)絡模型的跌倒識別方法；對Le2i、SDU、UC

3、F-101開源視頻數(shù)據(jù)集，進行水平翻轉(zhuǎn)、對比度和亮度調(diào)節(jié)、加噪等數(shù)據(jù)增強處理后構(gòu)建卷積神經(jīng)網(wǎng)絡的訓練集和測試集，對上述方法進行訓練和測試。實驗結(jié)果表明：該方法識別結(jié)果強烈依賴于訓練場景。其次，針對上述的問題，提出了一種基于雙流卷積神經(jīng)網(wǎng)絡的跌倒識別方法。該方法：一路采用場景相減法檢測視頻中的運動目標，將視頻幀中運動目標加框標記后輸入到3D-CNN模型中進行跌倒識別；另一路采用光流法提取視頻的光流圖，將光流圖輸入到VGGNet-16模型中

4、進行跌倒識別；最后將兩路模型的跌倒識別結(jié)果進行線性加權(quán)融合。實驗結(jié)果表明：基于雙流卷積神經(jīng)網(wǎng)絡的跌倒識別方法跌倒識別率為96%，比基于視頻幀和VGGNet-16卷積神經(jīng)網(wǎng)絡模型的跌倒識別方法識別率提高了51%，比基于運動目標檢測和3D-CNN的跌倒識別方法提高了4%，比基于光流圖和VGGNet-16的跌倒識別方法提高了3%，且有良好的泛化能力。
　　展開了基于WebRTC的遠程視頻監(jiān)控的研究。提出了基于WebRTC的遠程視頻監(jiān)控方