[發明專利]一種獨居老人醫療監護動作識別算法

在審

• 申請號: 202011297964.9
• 申請日: 2020-11-19
• 公開（公告）號: CN112395991A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 陳小輝;烏民雨
• 申請（專利權）人: 三峽大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥方舟知識產權代理事務所(普通合伙) 34158
• 代理人: 劉躍

本發明公開了一種獨居老人醫療監護動作識別算法，所述獨居老人醫療監護動作識別算法包括影像收集模塊、特征提取模塊、動作分類模塊、雙流網絡模塊、數據傳輸模塊，所述影像收集模塊的輸出端與特征提取模塊的輸入端連接，所述特征提取模塊的輸出端與動作分類模塊的輸入端連接，所述動作分類模塊的輸出端與雙流網絡模塊的輸入端連接，所述雙流網絡模塊的輸出端與數據傳輸模塊的輸入端連接，本發明通過影像收集模塊對人類生活場景中各種意外跌倒情況進行收集，提供了足夠的樣本對后續的計算起到了簡化運算的效果，且采用多級分類算法，進而使得運算效率得到了有效提高，通過增加訓練集中的跌倒樣本，保持模型測試的可靠性。

技術領域

本發明屬于動作識別技術領域，具體為一種獨居老人醫療監護動作識別算法。

背景技術

根據世界衛生組織報道的數據公布，每年有大約三分之一的70歲以上老人發生跌倒，其中75歲以上老人發生跌倒的概率更是高達42％。根據中國衛生部發布的《老年人跌倒干預指南》中明確指出，發生跌倒行為是我們70歲以上人群意外死亡的主要原因。由于計劃生育的原因，現在大多數年輕人為獨生子女，所以獨居老人發生跌倒意外死亡的概率更高，而隨著中國人口老齡化，老人的人數越來越多，繼而老年人的醫療健康問題引起了廣泛的關注。

基于計算機視覺，一些研究人員通過從視頻中提取特征的方法來判斷視屏中的人是否發生跌倒動作，并與日常的行為進行區分。2014年Gasparrin等提出了一種基于室內行為的隱私保護的跌倒行為的檢測方法，該方法是通過Kinect提供的深度數據作為特征輸入，然后通過跟蹤算法來判斷動作。2016年Wang等提出通過PCAnt模型，從RGB圖像中提取每一幀的特征并預測標簽，然后通過標簽之間的權重相加來預測跌倒動作是否發生，同年WangK等提出了一種跌倒檢測方法，通過融合梯度直方圖與局部二值來提取特征，最后通過SVM分類器進行分類。在2017年，Buch,S等通過對長視屏中的特征提取目標區域，然后再通過滑動窗口法所取得特征作為分類器的輸入以此來識別特定動作，但是以上方法在檢測數據時，計算結果并不夠精確，且動作捕捉的基本樣本較少。因此需要對動作識別的算法加以改進，同時提出一種獨居老人醫療監護動作識別算法，便于更好的解決上述提出的問題。

發明內容

本發明的目的在于：為了解決上述提出的問題，提供一種獨居老人醫療監護動作識別算法。

本發明采用的技術方案如下：

一種獨居老人醫療監護動作識別算法，所述獨居老人醫療監護動作識別算法包括影像收集模塊、特征提取模塊、動作分類模塊、雙流網絡模塊、數據傳輸模塊、報警模塊，所述影像收集模塊的輸出端與特征提取模塊的輸入端連接，所述特征提取模塊的輸出端與動作分類模塊的輸入端連接，所述動作分類模塊的輸出端與雙流網絡模塊的輸入端連接，所述雙流網絡模塊的輸出端與數據傳輸模塊的輸入端連接，所述數據傳輸模塊的輸出端與報警模塊的輸入端連接。

在一優選的實施方式中，所述影像收集模塊通過4個Kinect攝像頭模擬室內監控視角，然后再拍攝若干個人類生活場景中模擬跌倒的行為，且男女各20名，年齡在18-30周歲之間，一共設計了20種動作，幾乎囊括了生活會發生的動作以及意外跌倒情況，每個動作每名實驗者進行3次模擬行為，并通過4個Kinect攝像頭模擬監控視角進行記錄，最終一共有9600段行為視屏片段，總計8小時。

在一優選的實施方式中，所述特征提取模塊對信息提取的步驟為：

步驟一：統計樣本集中動作特征總數(N)；

步驟二：統計每個詞的正動作特征出現頻率(A)、負動作特征出現頻率(B)、正動作特征不出現頻率、負動作特征不出現頻率；

步驟三：計算每個動作特征的卡方值

步驟四：將每個動作特征按卡方值從大到小排序，選取前k個詞作為特征，k即特征維數。