[發明專利]一種基于深度學習的人體摔倒識別系統及方法

在審

• 申請號: 202011560740.2
• 申請日: 2020-12-25
• 公開（公告）號: CN112668456A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 李偉強;王東;寧政通;李韓玥;陳向榮;楊戩
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G08B21/04;H04N7/18
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 李斌

本發明提供了本發明還提供一種基于深度學習的人體摔倒識別方法，包括如下步驟：采集人體實時圖像；根據人體實時圖像獲取第一人體骨骼圖像；獲取多張人體關鍵節點圖像并根據多張人體關鍵節點圖片獲取多張第二人體骨骼圖像；骨骼狀態分類器以多張第二人體骨骼圖像作為訓練樣本進行深度學習；通過深度學習后的骨骼狀態分類器對第一人體骨骼圖像進行識別并判斷人體狀態；其中，人體狀態包括正常狀態以及摔倒狀態。本發明可以對老人的摔倒狀態進行自動識別與報警，進而對老年人進行遠程監控看護。相應地，本發明還提供一種基于深度學習的人體摔倒識別系統。

技術領域

本發明涉及人體行為識別技術領域，具體而言，涉及一種基于深度學習的人體摔倒識別系統及方法。

背景技術

隨著醫療水平的不斷提高，人類的壽命也不斷提高。根據世界衛生組織調查數據顯示，目前的老年人口數量占世界總人口8.5％，預計到2050年，老齡化人口將占世界人口的20％，未來十幾年老齡化問題將會是社會面臨的最大挑戰之一。調查顯示，摔倒是老年人受傷的主要原因，根據世界衛生組織的數據，65歲以上的人中，每年大約有30％的人意外地摔倒一次或多次，80歲以上的人中，這一比率上升到50％。由于老年人身體機能的衰老，跌倒后身體恢復較慢，加上原始的慢性疾病，一次摔倒可能造成非常可怕的影響和后遺癥。

研究表明，老年人最容易摔倒的地方是在自己的家里，而臥室和衛生間是最常見的摔倒地點。對于獨居老人來說，獨自在家中摔倒是非常可怕的，如果摔倒老人無法得到及時的幫助，他們自己又無法爬起拿手機求助，那將直接威脅老人的生命。針對當今獨居老人生活的環境，很多人會安裝監控系統來遠距離觀察老人的生活日常，以對老年人進行遠程監控看護。但是傳統的監控系統只能對監控下的環境進行記錄，無法對老人的摔倒狀態進行自動識別與報警。

發明內容

基于此，為了解決傳統監控系統只能對監控下的環境進行記錄，無法對老人的摔倒狀態進行自動識別與報警的問題，本發明提供了一種基于深度學習的人體摔倒識別系統及方法，其具體技術方案如下：

一種基于深度學習的人體摔倒識別系統，所述人體摔倒識別系統包括采集模塊、獲取模塊以及骨骼狀態分類器。

采集模塊用于采集人體實時圖像。

獲取模塊用于接收所述人體實時圖像并根據所述人體實時圖像獲取第一人體骨骼圖像，以及用于獲取多張人體關鍵節點圖像并根據多張所述人體關鍵節點圖片獲取多張第二人體骨骼圖像。

骨骼狀態分類器用于在以多張所述第二人體骨骼圖像作為訓練樣本進行深度學習后，對所述第一人體骨骼圖像進行識別并判斷人體狀態。

其中，所述人體狀態包括正常狀態以及摔倒狀態。

利用深度學習后的骨骼分類器對所述第一人體骨骼圖像進行自動識別并判斷人體狀態，可以解決傳統監控系統只能對監控下的環境進行記錄，無法對老人的摔倒狀態進行自動識別與報警的問題，對老人的摔倒狀態進行自動識別與報警，進而對老年人進行遠程監控看護。

進一步地，所述人體摔倒識別系統還包括COCO數據集，所述獲取模塊通過COCO數據集獲取多張人體關鍵節點圖像。

進一步地，所述人體摔倒識別系統還包括報警模塊，所述報警模塊用于接收所述人體狀態并將所述人體狀態發送至客戶端。

進一步地，所述客戶端為移動終端，所述移動終端安裝有小程序，所述小程序用于顯示所述人體狀態。

進一步地，所述獲取模塊通過openpose深度學習算法獲取所述第一人體骨骼圖像以及多張所述第二人體骨骼圖像。

相應地，本發明還提供一種基于深度學習的人體摔倒識別方法，其包括如下步驟：

采集人體實時圖像；

根據所述人體實時圖像獲取第一人體骨骼圖像；