[發(fā)明專利]一種基于視頻處理的自適應(yīng)閾值多目標(biāo)摔倒檢測方法

有效

• 申請?zhí)枺?/td>: 201810519929.3
• 申請日: 2018-05-25
• 公開（公告）號: CN108764131B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計）人: 王鵬;孔凡寧;薛楠;董鑫;陳園園
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 哈爾濱市偉晨專利代理事務(wù)所(普通合伙) 23209
• 代理人: 曹徐婷

1.一種基于視頻處理的自適應(yīng)閾值多目標(biāo)摔倒檢測方法，其特征在于包括以下步驟：

步驟一、進(jìn)行用戶圖像信息采集；

通過用戶正常活動和摔倒后的圖像的采集，記錄下用戶正常活動和摔倒時的最小外接矩形內(nèi)人體圖像的高寬比、有效面積比和中心變化量；

步驟二、進(jìn)行摔倒判定方式的融合；

根據(jù)人體中心變化量判定人是否有摔倒趨勢，然后利用人體圖像高寬比和有效面積比對摔倒的敏感程度不同賦予不同權(quán)重，得到新的判定參數(shù)實現(xiàn)摔倒判定方式的融合；

步驟三、摔倒閾值的自適應(yīng)，對不同體型用戶進(jìn)行最佳閾值的設(shè)定；過程如下：設(shè)定用戶摔倒閾值區(qū)間[T_min,T_max]和摔倒閾值參數(shù)a；估計一個用戶的初始摔倒閾值T_k，T_minT_kT_max，篩選用戶活動過程中在摔倒閾值區(qū)間[T_min,T_max]的數(shù)據(jù)，數(shù)據(jù)總數(shù)為n個，小于初始摔倒閾T_k的值T_j1屬于集合C₁，C₁包含m個元素，大于等于初始摔倒閾T_k的值T_j2屬于集合C₂，C₂包含n-m個元素；計算集合C₁和C₂的平均摔倒閾值u₁和u₂；計算新的摔倒閾值T_k+1，T_k+1＝(u₁+u₂)/2，若|T_k+1-T_k|≤a，則推出T_k+1最佳，否則將T_k+1的值賦給T_k并重復(fù)上述過程，直至得到最佳摔倒閾值T_k+1；

步驟四、實現(xiàn)人體目標(biāo)摔倒檢測；

依據(jù)步驟一中采集的用戶圖像信息和步驟二中摔倒判定方式的融合，并結(jié)合步驟三設(shè)定的用戶最佳摔倒閾值，實現(xiàn)目標(biāo)摔倒檢測。

2.根據(jù)權(quán)利要求1所述的一種基于視頻處理的自適應(yīng)閾值多目標(biāo)摔倒檢測方法，其特征在于：所述的步驟一用戶圖像信息采集包括該用戶目標(biāo)的檢測和圖像預(yù)處理，通過用戶正常活動和摔倒后的圖像的采集，記錄下用戶正常活動和摔倒時的最小外接矩形內(nèi)的人體圖像的高寬比R_1i、有效面積比R_2i和中心變化量R_3i：

式中H_1i和W_1i分別為人體最小外接矩形的高度和寬度；

式中S_有i和S_矩i分別為人體圖像像素點面積與人體最小外接矩形的面積；

R_3i＝y(tǒng)_2i-y_1i (3)

式中y_1i和y_2i是相鄰幀之間的目標(biāo)中心的估計縱坐標(biāo)，R_3i為中心變化量，當(dāng)R_3i為負(fù)數(shù)時，用戶存在摔倒趨勢，否則為正常運動或摔倒后的起身。

3.根據(jù)權(quán)利要求2所述的一種基于視頻處理的自適應(yīng)閾值多目標(biāo)摔倒檢測方法，其特征在于：所述的圖像預(yù)處理過程為，首先將采集到的視頻圖像進(jìn)行灰度化，對灰度值Y進(jìn)行計算：

Y＝0.299R+0.587G+0.114B (4)

式中R、G、B分別代表RGB格式圖像中的紅、綠、藍(lán)顏色的數(shù)據(jù)值；

然后將得到灰度圖像進(jìn)行背景減除及去噪，通過當(dāng)前幀和背景幀做差實現(xiàn)圖像中人和背景的分離；

再對背景減除后的圖像進(jìn)行二值化和形態(tài)學(xué)處理。