[發明專利]一種基于圖卷積神經網絡的視角自適應多目標摔倒檢測方法

在審

• 申請號: 202110287827.5
• 申請日: 2021-03-17
• 公開（公告）號: CN112966628A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 曾碧;陳文軒;劉建圻
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明為克服因依賴數據集所導致的視角問題導致摔倒檢測準確率低的問題，公開了一種基于圖卷積神經網絡的視角自適應多目標摔倒檢測方法，包括以下步驟：采用目標檢測算法檢測目標視頻源中每一幀圖像的人物目標，采用姿態估計算法提取每一幀圖像中人物目標的關鍵骨骼點數據，當連續檢測到同一人物目標的幀數大于預設的檢測閾值時，將所提取的關鍵骨骼點數據輸入完成訓練的視角自適應子網絡中，得到視角調整參數；根據視角調整參數對關鍵骨骼點數據進行視角調整，再根據視角調整后的關鍵骨骼點數據計算運動數據，將視角調整后的關鍵骨骼點數據和運動數據輸入完成訓練的圖卷積摔倒識別主網絡進行摔倒檢測，輸出檢測結果標簽。

技術領域

本發明涉及動作識別摔倒檢測技術領域，更具體地，涉及一種基于圖卷積神經網絡的視角自適應多目標摔倒檢測方法。

背景技術

針對老年群體的跌倒檢測，目前主要利用視頻流圖像數據、佩戴式的陀螺儀傳感器數據、地板傳感器數據或者是骨骼數據等等進行檢測摔倒。其中，基于佩戴式傳感器的摔倒檢測方法是讓老人在腰部、手腕等地方穿戴陀螺儀、壓力傳感器等組成的裝置，不僅使老人行動不便，而且識別準確率較低。

而在基于計算機視覺分析的摔倒檢測方法中，智能視頻監控與傳統視頻監控有本質區別，智能視頻監控不需要人工實時觀察，而是通過計算機智能識別視頻中發生的事件，具體做法是通過攝像頭實時獲得視頻流數據，對視頻中的人物進行檢測、跟蹤，在提取了一系列必要的特征后由某種方法判斷人物的行為，從而達到智能監控的效果；因此在老人摔倒檢測的問題中應用智能監控技術，對比穿戴式的設備，可以在完全不干擾老人的日常生活下，實時捕獲摔倒行為并通知救護人員。如公開號為CN110738154A(公開日：2020-01-31)公開了一種基于人體姿態估計的行人摔倒檢測方法，基于LSTM模型與openpose，其中，openpose是自下而上的姿態估計算法，先檢測骨骼點再使用匈牙利算法進行匹配，高精度的openpose算力較大，無法應用到實際場景，而輕量級的openpose在多人混淆時誤檢率較高，單純利用骨骼信息的跟蹤算法難以滿足復雜情況，對后續的判斷有較大的影響；而LSTM雖說可以很好地捕捉時間序列的信息，但是缺乏空間信息的解讀，并且依賴數據集，而目前現有的能應用于摔倒檢測的訓練數據集非常有限，并且難以囊括所有的視角，不能自適應不同視角的位置部署，仍然存在摔倒檢測準確率低的問題。

發明內容

本發明為解決現有的摔倒檢測方法中，因依賴數據集所導致的視角問題導致摔倒檢測準確率低的問題，提供一種基于圖卷積神經網絡的視角自適應多目標摔倒檢測方法。

為解決上述技術問題，本發明的技術方案如下：

一種基于圖卷積神經網絡的視角自適應多目標摔倒檢測方法，包括以下步驟：

采用目標檢測算法檢測訓練視頻源中每一幀圖像的人物，采用姿態估計算法提取訓練視頻源中每一幀圖像的關鍵骨骼點數據，根據所提取的關鍵骨骼點數據作為訓練集并進行預處理；

將預處理后的訓練集輸入視角自適應子網絡中進行訓練及視角調整，并根據視角調整后的關鍵骨骼點數據計算樣本運動數據，將視角調整后的訓練集和所述樣本運動數據輸入圖卷積摔倒識別主網絡中進行訓練；

采用目標檢測算法檢測目標視頻源中每一幀圖像的人物目標，采用姿態估計算法提取每一幀圖像中人物目標的關鍵骨骼點數據，當連續檢測到同一人物目標的幀數大于預設的檢測閾值時，將所提取的關鍵骨骼點數據輸入完成訓練的視角自適應子網絡中，得到視角調整參數；

根據所述視角調整參數對所述關鍵骨骼點數據進行視角調整，再根據視角調整后的關鍵骨骼點數據計算運動數據，將所述視角調整后的關鍵骨骼點數據和所述運動數據輸入完成訓練的圖卷積摔倒識別主網絡進行摔倒檢測，輸出檢測結果標簽。