[發明專利]摔倒判定方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910869615.0
• 申請日: 2019-09-16
• 公開（公告）號: CN110765860B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 羅鄭楠;周俊琨;許揚
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/764;G06V10/774
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 馮曉平

1.一種摔倒判定方法，其特征在于，所述方法包括：

獲取攝像頭拍攝的目標視頻；

從所述目標視頻中得到目標待分析視頻；

將所述目標待分析視頻分為N個片段，并從每個所述片段中隨機抽取一幀圖像作為待識別圖像，其中，N為大于1的整數；

將所述待識別圖像輸入到預先訓練的行為識別模型中，通過所述行為識別模型輸出所述目標視頻中有人摔倒的第一概率，以及出現倒地伴隨動作的第二概率；

根據所述第一概率和所述第二概率得到綜合期望概率；

當所述綜合期望概率大于預設閾值時，判定在所述目標視頻中出現有人摔倒的情況；

所述目標待分析視頻的時長為用戶預設時長，所述從所述目標視頻中得到目標待分析視頻，包括：

確定新舊圖像臨界時刻，其中，所述新舊圖像臨界時刻用于將所述目標視頻分為第一圖像組和第二圖像組，所述第一圖像組中任一圖像獲取的時刻小于所述第二圖像組中任一圖像獲取的時刻；

從所述第一圖像組中獲取第一目標視頻，其中，所述第一目標視頻中最后一幀所對應的圖像對應的時刻為所述新舊圖像臨界時刻，所述第一目標視頻的長度為所述用戶預設時長的一半；

從所述第二圖像組中獲取第二目標視頻，其中，所述第二目標視頻中第一幀所對應的圖像對應的時刻為所述新舊圖像臨界時刻，所述第二目標視頻的長度為所述用戶預設時長的一半；

按照時間的先后順序組合所述第一目標視頻和所述第二目標視頻，得到所述目標待分析視頻。

2.根據權利要求1所述的方法，其特征在于，所述行為識別模型采用以下步驟訓練得到：

獲取預設數量的摔倒視頻作為樣本視頻，其中，所述摔倒視頻的時長預先處理為等長，且所述摔倒視頻的時長與所述目標待分析視頻的時長相同；

將每個樣本視頻分為N個樣本片段，并從每個所述樣本片段中隨機抽取一幀圖像作為待訓練圖像，其中，N為大于1的整數；

采用2D卷積神經網絡分別提取每個所述待訓練圖像的特征，得到每個所述待訓練圖像的特征圖像；

根據N個所述樣本片段對應的所述特征圖像得到時空關系特征圖組；

采用3D卷積神經網絡提取所述時空關系特征圖組的時空特征；

采用2D卷積神經網絡提取所述時空關系特征圖組的深層特征；

將所述時空特征和所述深層特征接入預設的分類器；

通過所述分類器輸出所述樣本視頻中有人摔倒的第一概率以及出現倒地伴隨動作的第二概率；

采用預定義的損失函數，根據所述樣本視頻的標簽值、以及所述第一概率和所述第二概率得到在模型訓練過程中產生的損失值；

根據所述損失值，采用反向傳播算法更新模型的網絡參數，得到所述行為識別模型。

3.根據權利要求2所述的方法，其特征在于，第N個特征圖像的大小表示為K×A×B，所述K為特征圖像通道數，所述A×B為特征圖像像素面積，所述第N個特征圖像表示為，所述根據N個所述樣本片段對應的所述特征圖像得到時空關系特征圖組，包括：

將N個所述樣本片段對應的所述特征圖像進行堆疊，得到表示為的所述時空關系特征圖組，其中，堆疊后的。

4.根據權利要求1-3任意一項所述的方法，其特征在于，所述通過所述行為識別模型輸出所述目標視頻中有人摔倒的第一概率，以及出現倒地伴隨動作的第二概率，包括如下步驟：

采用2D卷積神經網絡分別提取每個所述待識別圖像的特征，得到每個所述待識別圖像的特征圖像；

根據N個所述片段對應的所述特征圖像得到目標時空關系特征圖組；

采用3D卷積神經網絡提取所述目標時空關系特征圖組的目標時空特征；

采用2D卷積神經網絡提取所述目標時空關系特征圖組的目標深層特征；

將所述目標時空特征和目標深層特征接入預設的分類器；

通過所述分類器輸出所述目標視頻中有人摔倒的第一概率，以及出現倒地伴隨動作的第二概率。