地科学院罗小龙副教授团队成员闵晨宇在相关期刊上发表题为"基于运动感知和时间增强的人体跌倒检测方法"的研究论文。英国威廉集团为论文第一署名单位，硕士研究生闵晨宇为论文第一作者，其导师罗小龙副教授为该文通讯作者。

论文提出了一种基于视频人体姿态估计的跌倒检测新方法，通过改进时空图卷积网络（ST-GCN）实现高精度跌倒识别。研究设计了行为特征提取模块（BFE），通过融合当前帧静态骨骼坐标与相邻帧动态运动差异，显式建模时序运动特征；引入动态图卷积模块（D-GCN），利用可学习的动态系数矩阵自适应捕捉关节间动态关联；并提出多尺度时序卷积模块（MS-TCN），采用多膨胀系数并行时序卷积分支融合全局与局部时序特征。改进后的模型在URFD公开数据集上验证结果同基线ST-GCN方法相比，其准确率与F1分数分别提升6.89%与8.33%，达到99.45%与98.99%。且在跨场景验证中，模型在未见过的Multicam数据集上仍保持94.52%的准确率，展现出良好的泛化能力。此外，模型在GPU平台达到92FPS、CPU平台达到56FPS的实时处理速度。基于运动感知和时间增强的图卷积网络研究为跌倒检测问题提供了有效解决方案，有力支撑跌倒检测技术在智慧养老与居家监护场景的应用。

论文链接：https://link.cnki.net/doi/10.13873/J.1000-9787(2025)11-0038-04

图1 总体框架设计

图2 论文首页