[發明專利]一種基于視頻關節點和混合分類器的跌倒檢測方法

有效

• 申請號: 201910589503.X
• 申請日: 2019-07-02
• 公開（公告）號: CN110532850B
• 公開（公告）日: 2021-11-02
• 發明（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

本發明公開了一種基于視頻關節點和混合分類器的跌倒檢測方法。傳統基于視頻的跌倒檢測算法依賴人工提取跌倒特征，借助線性判別分類器的方法檢測跌倒，模型簡單但準確率低。本發明如下：1、提取被檢測視頻片段的各幀圖像。2、獲取人體關節數據矩陣；3、建立多個行為矩陣。4、計算時間特征參數和空間特征參數。5、初級分類；6、二級分類。本發明采用的提取人體骨骼關節點方法解決了傳統方法提取人體寬高比、投影面積等無法精確估計人體姿態的問題。本發明采用固定大小的滑動窗口構建行為矩陣能夠同時在時間、空間軸建模，充分表達跌倒行為特征。

技術領域

本發明屬于跌倒檢測技術領域，具體涉及一種基于視頻關節點和混合分類器的跌倒檢 測方法。

背景技術

國內外學者針對老人摔倒已經做了許多研究，主流的跌倒檢測方法主要有三種：基于 可穿戴傳感器的跌倒檢測、基于環境傳感器的跌倒檢測以及基于視頻圖像的檢測。基于可 穿戴傳感器的跌倒檢測主要通過采集可穿戴傳感器采集到的數據設置閾值檢測摔倒，閾值 設置不準確則影響最終檢測結果。基于環境傳感器的跌倒檢測主要通過地面的壓力傳感器 或者聲音檢測設備得到的數據判斷摔倒，如果環境噪聲太大可能導致數據異常。基于視頻 的跌倒檢測主要利用安裝在日常生活中的普通相機或者深度相機采集視頻數據，然后用圖 像識別來判定摔倒。與基于可穿戴傳感器和基于環境傳感器的檢測算法相比，基于視頻的 跌倒檢測無需老人佩戴設備，且不易受環境影響，實際應用更加廣泛。然而傳統基于視頻 的跌倒檢測算法依賴人工提取跌倒特征，借助線性判別分類器的方法檢測跌倒，模型簡單 但準確率低，現有基于深度學習的檢測算法模型復雜，難以降低檢測耗時。

發明內容

本發明的目的在于提供一種基于視頻關節點和混合分類器的跌倒檢測方法。

本發明的具體步驟如下：

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點數據， 得到人體關節數據矩陣；

步驟3、根據步驟2得到的人體關節數據集，構建的s個行為矩陣；為向下取整運算符；m為圖像數量。W為行為矩陣總幀數，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表示人體關節數據矩陣中第t行第j+1列的參數，j＝0,1,...,N-1；N為一幀圖像中的人體關節點數量。

步驟4、計算時間特征參數和空間特征參數。

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。