[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

本發明公開了一種摔倒判定方法、裝置、計算機設備及存儲介質，涉及人工智能技術領域。該摔倒判定方法包括：獲取攝像頭拍攝的目標視頻；從目標視頻中得到目標待分析視頻；將目標待分析視頻分為N個片段，并從每個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；將待識別圖像輸入到預先訓練的行為識別模型中，通過行為識別模型輸出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；根據第一概率和第二概率得到綜合期望概率；當綜合期望概率大于預設閾值時，判定在目標視頻中出現有人摔倒的情況。采用該摔倒判定方法能夠實現準確的摔倒行為判定。

【技術領域】

本發明涉及人工智能技術領域，尤其涉及一種摔倒判定方法、裝置、計算機設備及存儲介質。

【背景技術】

在傳統的摔倒判定方式中，主要有基于傳感器的判定方式和基于單張圖片的判定方式。基于傳感器的判定方式成本較高，而且需要個人攜帶配備有相應傳感器的設備；基于圖片的判定方式有很多場景的限制，準確率不高。目前無法準確對摔倒行為進行判定。

【發明內容】

有鑒于此，本發明實施例提供了一種摔倒判定方法、裝置、計算機設備及存儲介質，用以解決無法準確判定摔倒行為的問題。

第一方面，本發明實施例提供了一種摔倒判定方法，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。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，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。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述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；