[發(fā)明專利]一種人體狀況監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 201611029620.3
• 申請日: 2016-11-15
• 公開（公告）號: CN106778481A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設計）人: 葉偉
• 申請（專利權(quán)）人: 上海百芝龍網(wǎng)絡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海伯瑞杰知識產(chǎn)權(quán)代理有限公司31227
• 代理人: 孟旭彤

技術(shù)領(lǐng)域

本發(fā)明屬于人體安全監(jiān)護技術(shù)領(lǐng)域，特別涉及一種人體狀況監(jiān)測方法。

背景技術(shù)

隨著智能設備技術(shù)的不斷發(fā)展，在人體健康監(jiān)控相關(guān)領(lǐng)域的智能設備越來越多，其大致分為兩種：一種是類似于智能手環(huán)、智能秤等的設備在心跳、運動、體重、人體電解質(zhì)等情況的小型監(jiān)測設備，這些監(jiān)測偏向于對一些日常易獲得的簡易健康信息進行監(jiān)測，但其反映出的人體健康信息較少，可以判定出的結(jié)果較簡單；另一種是使用比較系統(tǒng)的專業(yè)設備組進行一系列的檢測，獲得大量的人體生理參數(shù)，從而可以對人體健康狀況進行全面系統(tǒng)的檢測分析。

上述這些監(jiān)測方法都需要具有專門的傳感器的監(jiān)測設備進行輔助，包括穿戴式的設備和集成式的設備。并且這些檢測方法監(jiān)測的都是人體的生理變化指標，對人體的物理變化，比如碰撞、摔倒等狀態(tài)無法進行監(jiān)測。等這些物理變化所引起的生理反應出現(xiàn)時，物理變化的影響已經(jīng)過大，對人體狀況監(jiān)測系統(tǒng)而言，該系統(tǒng)的反應實在過慢。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種人體狀況監(jiān)測方法。

本發(fā)明的技術(shù)方案是，一種人體狀況監(jiān)測方法，包括以下步驟：

S101，對紅外攝像頭獲得的人體圖像進行預處理，提取出人體輪廓邊緣；

S102，在提取出人體輪廓后，按照人體輪廓大小，取出垂直方向的幾何中心，并取人體輪廓最上端點和最下端點共形成三點，從上至下，分別是點C₀、點C₁和點C₂；

S103，以點C₀為起點，點C₁為終點形成向量以點C₂為起點，點C₀為終點形成向量與水平線的夾角分別為∠1和∠2；

S104，若∠1或∠2在短時間內(nèi)急劇下降到15°以下，初步判斷為可能摔倒，若一分鐘內(nèi)仍小于15°，則判斷為摔倒。

步驟S101的預處理包括：

使用雙線性插值算法進行圖像大小壓縮后并完成濾波操作，將濾波后的圖像使用最大類間方差法進行圖像二值化，同時通過開閉運算去除空洞點，最后通過canny邊緣算子提取出人體輪廓邊緣。

對于摔倒的判斷，采用卷積神經(jīng)網(wǎng)絡通過大量的圖片，進行學習訓練，獲得識別摔倒的模型。

訓練時采用至少3000張摔倒圖片，標簽標記為1(表示摔倒)，至少3000張正常站立、坐姿圖片，標簽標記為0(表示未摔倒)，同時再提供至少2000張測試圖片(有未摔倒和摔倒，標簽1為摔倒，0為未摔倒)，

在初步預判為摔倒后，將最后獲取捕捉到的現(xiàn)場圖片經(jīng)過預測模型預測，若輸出為1，則確定摔倒，啟動摔倒報警機制，若為0，啟動提醒功能。

本發(fā)明通過紅外檢測，對人體的動作狀態(tài)進行監(jiān)測，通過物理監(jiān)測的方法，在人體體溫異常或是受到物理傷害出現(xiàn)特征動作時，監(jiān)控會發(fā)出警報通知。本系統(tǒng)能夠在人剛出現(xiàn)傷害特征動作時進行警報，而不需要等待傷者因受傷而導致身體的生理狀態(tài)出現(xiàn)異常時才進行警報，提前了警報時間，為救助傷者贏得了寶貴的時間。

本發(fā)明通過紅外線進行監(jiān)測，不需要用戶實時佩戴監(jiān)測設備，也不需要用戶進行專門的健康監(jiān)測，用戶只需要進行正常的日常生活，監(jiān)測設備處于靜默監(jiān)測狀態(tài)，不會影響到用戶。在用戶出現(xiàn)異常反應時監(jiān)控系統(tǒng)才會發(fā)出警報，提醒其他人用戶出現(xiàn)問題。

附圖說明

圖1是本發(fā)明實施例中人體輪廓的特征點C₀,C₁,C₂的選取示意圖。

圖2是本發(fā)明的基于紅外檢測的人體狀況監(jiān)測系統(tǒng)運作示意圖。

具體實施方式

本發(fā)明通過紅外攝像頭和深度計算、圖形處理技術(shù)，得到用戶的身體姿態(tài)信息。本發(fā)明會預設多種特殊姿態(tài)特征作為警報姿態(tài)，當用戶的身體姿態(tài)特征符合這些特殊姿態(tài)特征時，系統(tǒng)會認為用戶進入危險狀態(tài)，并發(fā)出警報。

采用傳統(tǒng)識別方法與深度學習方法相結(jié)合，判斷人體異常姿態(tài)識別。

首先，對攝像頭獲得的圖像進行預處理。

使用雙線性插值算法進行圖像大小壓縮后并完成濾波操作，將濾波后的圖像使用OTSU(最大類間方差法)進行圖像二值化，同時通過開閉運算去除空洞點，最后通過canny邊緣算子提取出人體輪廓邊緣。

在提取出人體輪廓后，按照輪廓大小，取出垂直方向的幾何中心，并取輪廓最上端點和最下端點共形成三點，如圖所示分別為點C₀、點C₁和點C₂；