[發明專利]一種基于深度視頻信息的墜床行為實時檢測方法

有效

• 申請號: 201810071513.X
• 申請日: 2018-01-24
• 公開（公告）號: CN108229421B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 曹治國;趙峰;肖陽;杭凌霄;張博深;綦浩喆
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

本發明公開了一種基于深度視頻信息的墜床行為實時檢測方法，屬于數字圖像識別技術領域，包括：根據室內場景的深度視頻，得到背景圖像和前景圖像，利用深度神經網絡對前景圖像進行檢測，得到頭部位置；當深度視頻中連續兩幀深度圖像的頭部位置距離小于距離閾值時，根據深度視頻中連續多幀深度圖像的頭部位置，得到頭部序列特征；利用墜床分類器對頭部序列特征進行檢測，判斷是否發生墜床行為。本發明對墜床行為的檢測不受被子等遮擋物影響，準確度高，實時性強。

技術領域

本發明屬于數字圖像識別技術領域，更具體地，涉及一種基于深度視頻信息的墜床行為實時檢測方法。

背景技術

在老年人和嬰幼兒群體中，墜床的發生會造成嚴重的健康問題。如果未能及時發現，會延誤治療，乃至威脅生命健康。因為，及時的發現墜床對于保護個體的生命健康顯得十分重要。目前，針對墜床的自動檢測方法主要分為三種：基于傳感器設備的墜床檢測方法，基于無線信號的墜床檢測方法，以及基于視頻圖像的墜床檢測方法。

基于傳感器設備的墜床檢測方法，主要通過隨身穿戴速度傳感器等設備，以及在地面和床面布置壓力傳感器等設備，檢測人體的速度和壓力等物理量的變化判斷墜床行為，該方法計算量小，但是需要用戶實時穿戴，會日常生活有一定的影響；基于無線信號的墜床檢測方法，通過WIFI等無線電波，通過對收發過程中的信號變化進行建模來判斷墜床行為，該方法設備簡單，無需穿戴，但是由于信號易受干擾，魯棒性較差，造成檢測的準確度較低；基于視頻圖像的墜床檢測方法，通過自動檢測視頻中的行為進行檢測墜床，但是易受光照影響，雖然存在使用深度圖像的方法，但是不能解決蓋被子時人體遮擋情況下的墜床檢測，而且實時性較差。

由此可見，現有技術存在易受被子等遮擋物影響，準確度低，實時性差的技術問題。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于深度視頻信息的墜床行為實時檢測方法，由此解決，現有技術存在易受被子等遮擋物影響，準確度低，實時性差的技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種基于深度視頻信息的墜床行為實時檢測方法，包括：

(1)根據室內場景的深度視頻，得到背景圖像和前景圖像，利用深度神經網絡對前景圖像進行檢測，得到頭部位置；

(2)當深度視頻中連續兩幀深度圖像的頭部位置距離小于距離閾值時，根據深度視頻中連續多幀深度圖像的頭部位置，得到頭部序列特征；

(3)利用墜床分類器對頭部序列特征進行檢測，判斷是否發生墜床行為。

進一步地，步驟(1)包括：

(1-1)從室內場景的深度視頻中提取深度圖像，對每個像素點在連續的n幀深度圖像中的像素值進行大小排序，取其中值作為背景圖像中的該像素點的像素值，得到背景圖像；

(1-2)當深度圖像大于第n幀時，通過當前幀深度圖像與背景圖像進行逐像素點比較像素值大小，當像素值的差值大于差值閾值時，則認為該像素點是前景，保留該像素點的像素值，否則，將該像素點的像素置零，進而得到當前幀的前景圖像；

(1-3)利用深度神經網絡對當前幀的前景圖像進行檢測，得到當前幀的頭部位置。

進一步地，步驟(1-2)還包括：當深度圖像大于第n幀時，若深度視頻中連續兩幀深度圖像的頭部位置距離大于等于距離閾值，則將當前幀的前景區域中每個像素點的像素值賦給背景圖像中的對應的像素點，更新背景圖像。

進一步地，深度神經網絡為訓練好的深度神經網絡，所述深度神經網絡的訓練包括：