[發(fā)明專利]一種基于視頻關節(jié)點和混合分類器的跌倒檢測方法

有效

• 申請?zhí)枺?/td>: 201910589503.X
• 申請日: 2019-07-02
• 公開（公告）號: CN110532850B
• 公開（公告）日: 2021-11-02
• 發(fā)明（設計）人: 蔡文郁;鄭雪晨;郭嘉豪
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.一種基于視頻關節(jié)點和混合分類器的跌倒檢測方法，其特征在于：步驟1、提取被檢測視頻片段的各幀圖像；

步驟2、利用人體節(jié)點采集軟件采集被檢測視頻片段中每一幀圖像的人體關節(jié)點數(shù)據(jù)，得到人體關節(jié)數(shù)據(jù)矩陣；

步驟3、根據(jù)步驟2得到的人體關節(jié)數(shù)據(jù)集，構建的s個行為矩陣；為向下取整運算符；m為圖像數(shù)量；W為行為矩陣總幀數(shù)，取值為8～15；

第i個行為矩陣K_i,matrix的表達式如式(1)所示，i＝1,2,…,s；

K_i,matrix＝(K_2i-1,K_2i,…,K_2i+W-1)^T (1)

式(1)中，K_t為第t張圖像的骨骼向量，其表達式如式(2)所示；t＝1,2,...,m；

K_t＝(K_t,0,K_t,1,…,K_t,N-1) (2)

式(2)中，K_tj表示人體關節(jié)數(shù)據(jù)矩陣中第t行第j+1列的參數(shù)，j＝0,1,...,N-1；N為一幀圖像中的人體關節(jié)點數(shù)量；

步驟4、計算時間特征參數(shù)和空間特征參數(shù)；

4-1.計算m張圖像中的人體高度信息h_t如式(3)所示；t＝1,2,...,m；

h_t＝h_t,head-h_t,foot (3)

式(3)中，h_t,head為第t張圖像中的人體的頭部縱坐標h_t,foot為第t張圖像中的人體的腳部縱坐標；

4-2.分別提取各行為矩陣對應的圖像中人體高度信息h_t的最大值、最小值，作為空間最大值h_i,max、空間最小值h_i,min；i＝1,2,…,s；

4-3.如式(4)和(5)所示，從第二張圖像起，分別計算各圖像的相鄰幀高度差△h_t,one；從第六張圖像起，分別計算各圖像的五幀高度差△h_t,five；

△h_t,one＝h_t-h_t-1 (4)

△h_t,five＝h_t-h_t-5 (5)

4-4.分別提取各行為矩陣對應的圖像中相鄰幀高度差△h_t,one的最大值、最小值、五幀高度差△h_t,five的最大值、最小值，作為短時間最大值h_i,one,max、短時間最小值h_i,one,min、長時間最大值h_i,five,max、長時間最小值h_i,five,min；

4-5.構建跌倒特征向量F_i,SVM＝(h_i,max,h_i,min,h_i,one,max,h_i,one,min,h_i,five,max,h_i,five,min)；i＝1,2,…,s；

步驟5、將s個跌倒特征向量F_i,SVM分別輸入至經(jīng)過訓練的初級分類器，得到s個跌倒置信度P_i；設置閾值區(qū)間為[P_min,P_max]；

若所有跌倒置信度P_i均小于P_min，則判定視頻中的行人未跌倒，跌倒檢測結束；若存在至少一個跌倒置信度P_i大于P_max，則判定視頻中的行人跌倒，跌倒檢測結束；否則，判定為出現(xiàn)類跌倒情況，進入步驟6；

步驟6、將跌倒置信度P_i在閾值區(qū)間[P_max,P_min]內(nèi)的跌倒特征向量F_i,SVM輸入至經(jīng)過訓練的二級分類器，二級分類器輸出視頻中的行人是否跌倒。