[發(fā)明專利]一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法

在審

• 申請?zhí)枺?/td>: 201910056610.6
• 申請日: 2019-01-22
• 公開（公告）號: CN109558865A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設計）人: 袁振東;于世寬;秦力;郭道寧;肖定為
• 申請（專利權）人: 郭道寧;肖定為
• 主分類號: G06K9/00
• 分類號: G06K9/00;G08B21/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法，其特征在于：

M1)場景區(qū)域、邊界及特定目標的標識和智能維護；

M2)人體關鍵點檢測；

M3)姿態(tài)判斷：對M2檢測到的人體關鍵點做人體姿態(tài)判斷，判斷出當前人體姿態(tài)；

M4)組合判斷：綜合前述特征，綜合分析需特別看護人員在監(jiān)控場景中不同的姿態(tài)在不同區(qū)域與保持時間、以及人體在不同區(qū)域進出與停留時間，綜合判斷是否異常。

2.根據權利要求書1所述的一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法，其特征在于，所述的場景區(qū)域、邊界及特定目標的標識和智能維護，包括以下內容：

1)標識活動區(qū)域、休息區(qū)域；

2)標識洗手間門口；

3)標識陽臺、監(jiān)控視角盲區(qū)；

4)標識出入門口。

5)若后續(xù)出現場景區(qū)域、邊界及特定目標的標識需更改的情況，可在之前的標注基礎上進行再標定、重新標定，從而實現智能維護。

3.根據權利要求書1所述的一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法，其特征在于，所述的人體關鍵點檢測，包括以下內容：

1)使用機器學習得到的人體關鍵點檢測模型，對人體關鍵點進行檢測與識別；

2)針對不同的應用場景，人體關鍵點檢測模型可以是單人檢測模型，也可以是多人檢測模型；

3)檢測到的人體關鍵點信息，包括但不限于眼睛、鼻子、額頭、耳朵、嘴、肩部、手肘、手腕、手掌、手指、胸部、臀部、膝蓋、腳腕、腳掌、腳趾中的至少一種人體部位，包括各關鍵點在平面或在空間的位置坐標信息，包括各關鍵點的置信度以及總體置信度。

4)通過使用上述模型，當場景中有人時，可以檢測出對應人員的人體關鍵點信息；當場景中無人時，該模型將不返回人體關鍵點信息，或根據圖像中與人體相似的部分，返回置信度較低的人體關鍵點信息，通過設置置信度閾值，可以準確區(qū)分場景中有人或無人的情況。

4.根據權利要求書3所述的人體關鍵點檢測方法，其特征在于，所述的使用機器學習得到的人體關鍵點檢測模型，包括以下之一：

1)通過拍攝大量不同人體姿態(tài)的照片，在照片中標注人體關鍵點，制作成訓練集，再構建神經網絡的方式進行深度學習、訓練得到的人體關鍵點檢測模型；

2)使用現有的已訓練好的人體關鍵點檢測模型，如OpenPose、AlphaPose、DeeperCut、DensePose、PoseNet、DeepPose等；

3)使用標注了人體關鍵點的訓練集，在現有模型上做繼續(xù)訓練，增強訓練，從而得到的識別效果更好的人體關鍵點檢測模型。

5.根據權利要求書1所述的一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法，其特征在于，所述的姿態(tài)判斷，判斷方法包括以下方法之一：

1)使用機器學習的方法得到對人體關鍵點進行姿態(tài)分類的模型，對檢測到的人體關鍵點進行姿態(tài)分類及判斷；

2)通過數學建模的方法，包括但不限于建立基于各關鍵點之間距離相似性、角度相似性的數學模型，對檢測到的人體關鍵點進行姿態(tài)分類及判斷；

3)通過使用分類算法，包括但不限于貝葉斯分類器、SVM支持向量機、logistic分類器、softmax分類器、決策樹等，對檢測到的人體關鍵點進行姿態(tài)分類及判斷。

6.根據權利要求書5所述的姿態(tài)判斷方法，其特征在于，所述的姿態(tài)分類，其姿態(tài)種類包括但不限于站立、行走、運動、舉手、坐、蹲、躺、趴、彎腰中的至少一種。

7.根據權利要求書1所述的一種基于人體關鍵點的對需特別看護人員的異常狀態(tài)檢測方法，其特征在于，所述的組合判斷，包括以下內容：

1)在活動區(qū)(例如地上)的坐姿與躺姿時間異常；

2)在休息區(qū)(例如床上或沙發(fā)上)的躺姿時間異常；

3)坐在椅子上時間異常；

4)進入洗手間時間異常；

5)進入陽臺與視角盲區(qū)等位置時間異常。