[發明專利]一種基于人體姿勢狀態判決的跌倒檢測方法

無效

• 申請號: 201210159644.6
• 申請日: 2012-05-21
• 公開（公告）號: CN102722715A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 賀前華;沈秉乾;李磊;陳文斯
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 齊榮坤

技術領域

本發明涉及計算機視覺信息處理領域，特別涉及一種基于人體姿勢狀態判決的跌倒檢測方法。

背景技術

近年來，隨著社會不斷發展，對監控系統的需求已經從簡單的“看”發展為“查”，甚至“報”，其關鍵在于如何利用圖像處理技術對獲取的視頻數據進行處理，因此智能監控系統的主要功能是通過攝像頭從連續的視頻圖像中提取出運動目標，對運動目標的運動行為進行識別和跟蹤，并對其行為進行理解和描述。

其中人體的跌倒檢測屬于人體運動行為識別的一個重要的部分，尤其是獨居老人或者在野外單獨活動的個人，如果發生了跌倒而無人知道，有可能帶來不堪設想的后果；同時目前視頻監控點較多，需要較多的人員同時對視頻進行觀看，極有可能產生漏報等情況。如何讓監控設備能夠智能化地判斷被監控對象是否發生了跌倒，并及時向相關人員報警是目前智能化監控系統的發展方向之一。

目前視頻監控研究處于初步階段，多數監控系統只具備了移動偵測的功能，無法實現對視頻監控中異常行為進行判斷和報警，存在以下缺點，包括：監控系統長期需要專人值守，耗費了人力資源；長時間的監控會引起監控者視覺疲勞和注意力下降，容易出現報警不準確、不及時甚至錯報、漏報的現象；數據的保存主要為被動式存儲，無法實現報警主動存儲。

對這方面的學術研究相對比較少，使用關鍵詞“跌倒檢測”在中國電子期刊網中進行搜索，共計找到11條記錄，這些檢測方法主要針對的是老年人的行走安全，采用的方法主要是基于傳感器的。另外，在人體異常行為的檢測之中，也有基于視頻圖像分析的方法，比如對于非法進入設定區域的檢測。

類似的技術也有基于傳感器的跌倒檢測，但該技術在實際使用中存在以下的缺點，包括：需要額外佩戴硬件傳感器獲取人體運動信息；加速度傳感器和系統其它單元之間的通訊穩定性無法得到保證；加速度傳感器單元電路器件需要定時充電；所需的傳感器裝置加重了系統的成本。

采用視頻圖像分析目前主要以復雜數學建模方法為主，在實際使用中存在一些缺點，包括：復雜的數學運算需要較高性能的硬件平臺支持才能滿足系統的實時性處理的要求，這無疑降低了系統的實用性；在異常行為的行為的定義與區分上，現有的系統沒有對特定的異常行為作出檢測，針對性較弱，也常會把下蹲等不帶危險性的屬于人體正常運動的行為定義為異常，誤報率較高；在實用的算法上，目前的多數方案所選取的特征的維數往往有限，沒有充足的特征維數保證檢測的準確性。

發明內容

本發明的目的在于克服現有技術的上述缺點與不足，提供一種基于人體姿勢狀態判決的跌倒檢測方法，完全運用圖像處理技術，能夠有效地區分行走、下蹲和跌倒的姿勢狀態，并可滿足在較低性能的硬件平臺上實現實時處理的要求。

本發明通過的目的通過以下技術方案實現：

一種基于人體姿勢狀態判決的跌倒檢測方法，包括以下步驟：

S1初始化系統，獲取圖像數據；

S2對獲取到的圖像進行相鄰幀差分，對差分后的圖像進行二值化處理；

S3對步驟S2得到的二值化圖像提取目標區域；

S4判斷S3得到的目標區域中是否有物體運動，若否，返回步驟S?1，對一下幀圖像進行檢測；若有，則進行步驟S5；

S5判斷運動的物體是人體還是噪聲干擾，若是噪聲干擾則返回步驟S1，對一下幀圖像進行檢測；若是人體則進行步驟S6；

S6對目標區域提取Zernike距特征和運動輪廓特征，所述運動輪廓特征包括物體的高度、物體的寬度、物體的寬高比、目標區域面積、目標區域周長、輪廓面積、輪廓周長、幀差最大行列特征變量、運動物體高度特征變量；

S7將物體的寬高比、目標區域面積、目標區域周長、幀差最大行列特征變量、運動物體高度特征變量送入預先訓練好的第一分類器；所述第一分類器用于區分行走與非行走姿勢狀態；

當第一分類器判定為行走姿勢狀態時，返回步驟S1，對一下幀圖像進行檢測；

當第一分類器判定為非行走姿勢狀態時，進行步驟S8;

S8將Zernike距特征、物體的高度、物體的寬度、輪廓面積、輪廓周長送入預先訓練好的第二分類器；所述第二分類器用于區分下蹲與跌倒姿勢狀態；

當第二分類器判定為下蹲姿勢狀態時，返回步驟S1，對一下幀圖像進行檢測；

當第二分類器判定為跌倒姿勢狀態時，標記跌倒行為，并發出警報。

步驟S3所述對步驟S2得到的二值化圖像提取目標區域，具體包括以下步驟：