[發明專利]一種基于深度學習的實時跌倒檢測方法

有效

• 申請號: 202010006573.0
• 申請日: 2020-01-03
• 公開（公告）號: CN111209848B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 孫光民;王中岐;李新夢
• 申請（專利權）人: 北京工業大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/46;G06V10/80;G06V10/764;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明涉及一種基于深度學習的實時跌倒檢測方法，其中檢測方法流程包括:人體姿態估計模塊：將攝像頭或本地視頻解析之后的視頻流依次取出單幀圖片，輸入到openpose算法模型人體進行檢測，得到人體各個部分的關鍵點坐標，使用SSD?Mobilenet算法排除非人體區域的關鍵點，跌倒檢測模塊：之后對檢測到的人體骨骼關鍵點坐標使用SVDD算法進行分類，該方法解決了傳統視頻監控方法耗費人力物力的缺點，相比較于使用kinect的跌倒檢測方法對于場景和環境要求嚴格的問題，本方法使用使用普通攝像頭，對于環境和使用角度要求較低，同時成本低廉，具有實時性，而且誤檢率較低，具有較高的魯棒性，可以適應不同的復雜場景。

技術領域

本發明涉及一種基于深度學習的實時跌倒檢測方法。根據openpose人體姿態估計算法結合SVDD分類算法，設計出一種更加準確高效的實時跌倒檢測算法，屬于深度學習技術領域、人體姿態估計技術領域、和圖像處理技術領域。

背景技術

近年來，隨著我國人口老齡化的速度不斷加快，老年人的安全和健康已經成為了社會廣泛關注的話題。根據世界衛生組織的報告，每年65歲及以上的老年人中，有大約28-35％曾經跌倒，因此，準確并且快速識別跌倒并且通知老年人的監護人或者醫護人員是非常有必要的。目前很多養老院都存在著看護人員不足，不能及時發現老年人身體安全出現狀況的問題，對于老年人的監護存在著很大的缺陷。

近年來，研究人員提出了多種實現自動跌倒檢測的方法，分別是基于可穿戴式設備的跌倒檢測方法、基于環境傳感器的跌倒檢測方法和基于機器視覺的跌倒檢測方法。

可穿戴式跌倒檢測系統檢測不受空間的限制，但往往需要被檢測者長時間佩戴可穿戴式設備，這些設備通常安裝較為繁瑣，長時間佩戴使用者會出現厭煩情緒，而且老年人通常記憶力都會有一定程度的減弱從而忘記佩戴可穿戴設備。基于環境傳感器的跌倒檢測方法具有無需穿戴、檢測區域大的優點，而且具有一次安裝長期多人使用的優勢，可以適用于家庭、養老院等場合。缺點在于對比其他兩種方法對于環境設備的要求更高，成本也比較高，同時準確率也存在不穩定的問題。

隨著人工智能、模式識別等技術的發展，越來越的基于機器視覺的跌倒檢測方法被提出，監控系統作為公共安全領域的一項重要技術已經得到廣泛應用。但是，目前的大多數監控系統僅僅停留在對捕獲的視頻信號進行人工監控和事后錄像分析階段，需要大量的物力人力。所謂的智能監控系統，要求計算機自動對捕捉到的圖像數據進行實時分析和處理，對目標進行檢測、識別與跟蹤，并對目標的行為進行分析，當目標行為異常時，監控系統會執行報警、保存視頻數據等一系列操作。把智能監控系統和跌倒檢測結合在一起，可以在老年人摔倒的第一時間通知監護人或者報警，大大縮短了老年人從跌倒到得到救治的時間，減少了二次傷害的可能性，減少后期治療等費用，對于提高老年人的晚年生活質量，減少社會公共資源的浪費具有重大的意義。

發明內容

本發明要解決的技術問題在于，針對現有的使用傳統圖像處理進行跌倒檢測的技術誤檢率和實時性上的缺陷，提高檢測的速度和準確率。。

為了解決上述技術問題，本發明提供一種基于深度學習的實時跌倒檢測方法。

本跌倒檢測算法主要步驟如下：

步驟1，使用攝像頭等設備采集人體圖像；

步驟2，進行人體骨骼關鍵點識別；

步驟2.1，使用神經網絡卷積VGG-19提取特征，預測每個關鍵點的熱點圖譜，通過多階段的網絡迭代，每一個階段的輸出作為下一個階段的輸入，對上一個階段的結果優化；

步驟2.2，對于預測的關鍵點增加矢量編碼，對于圖像中的關鍵點進行組合，同一個人的不同部位進行連接；

步驟2.3，遷移學習訓練圖像數據集，使模型可以更好地應用于特定場景；

步驟3，使用SSD-Mobilenet目標檢測算法對檢測的人體關鍵點區域進行目標檢測，去掉非人體的部分；