[發明專利]一種跌倒檢測方法、裝置和計算機可讀存儲介質

在審

• 申請號: 202110768127.8
• 申請日: 2021-07-07
• 公開（公告）號: CN113657150A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 白云超;魏乃科;潘華東;殷俊
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種跌倒檢測方法，其特征在于，包括：

對獲取到的監控視頻數據進行人體識別跟蹤處理，得到人體視頻數據；

采用第一預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第一跌倒概率；

采用第二預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第二跌倒概率；

基于所述第一跌倒概率與所述第二跌倒概率，確定所述人體視頻數據中是否發生跌倒事件。

2.根據權利要求1所述的跌倒檢測方法，其特征在于，所述第一預設模型為目標檢測模型，所述采用第一預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第一跌倒概率的步驟，包括：

采用所述目標檢測模型對所述人體視頻數據進行檢測，得到所述人體視頻數據中是否存在目標物體的檢測結果；

基于所述檢測結果，確定所述人體視頻數據中人體跌倒的第一跌倒概率。

3.根據權利要求2所述的跌倒檢測方法，其特征在于，所述基于所述檢測結果，確定所述人體視頻數據中人體跌倒的第一跌倒概率的步驟，包括：

在所述檢測結果為所述人體視頻數據中存在所述目標物體時，獲取所述目標物體與所述人體之間的交疊參數；

基于所述交疊參數設置所述第一跌倒概率；其中，所述交疊參數和所述第一跌倒概率呈負相關。

4.根據權利要求3所述的跌倒檢測方法，其特征在于，所述交疊參數包括重合度，所述獲取所述目標物體與所述人體之間的交疊參數的步驟，包括：

獲取所述人體視頻數據中所述目標物體的物體框；

獲取所述人體視頻數據中所述人體的人體框；

計算所述物體框與所述人體框之間的重合度。

5.根據權利要求1所述的跌倒檢測方法，其特征在于，所述人體視頻數據包括多幀待檢測圖像，所述采用第二預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第二跌倒概率的步驟，包括：

檢測所述待檢測圖像中人體的關節點，得到關節點信息；

將連續多幀所述待檢測圖像對應的關節點信息組合，形成關節點序列；

采用所述第二預設模型對所述關節點序列進行識別，得到所述第一跌倒概率。

6.根據權利要求1所述的跌倒檢測方法，其特征在于，所述人體視頻數據包括多幀待檢測圖像，所述采用第二預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第二跌倒概率的步驟，包括：

對所述待檢測圖像進行分塊，得到多個圖像塊；

對所述待檢測圖像中的圖像塊進行對比，以提取所述待檢測圖像中的關注區域；

對不同的所述待檢測圖像中的圖像塊進行對比，以提取所述人體視頻數據中的關注幀；

基于所述關注幀與關注區域，確定所述第二跌倒概率。

7.根據權利要求1所述的跌倒檢測方法，其特征在于，所述第二跌倒概率包括第一子概率與第二子概率，所述第二預設模型包括第一子模型與第二子模型，所述采用第二預設模型對所述人體視頻數據進行處理，得到所述人體視頻數據中人體跌倒的第二跌倒概率的步驟，包括：

采用所述第一子模型對所述人體視頻數據進行識別，得到所述人體視頻數據中人體跌倒的第一子概率；

采用所述第二子模型對所述人體視頻數據進行識別，得到所述人體視頻數據中人體跌倒的第二子概率；

對所述第一子概率與所述第二子概率進行加權求和，得到所述第二跌倒概率。

8.根據權利要求1所述的跌倒檢測方法，其特征在于，所述基于所述第一跌倒概率與所述第二跌倒概率，確定所述人體視頻數據中是否發生跌倒事件的步驟，包括：

對所述第一跌倒概率與所述第二跌倒概率進行加權求和，得到人體跌倒概率；

判斷所述人體跌倒概率是否大于預設概率；若是，則確定所述視頻數據中發生跌倒事件；若否，則確定所述視頻數據中未發生跌倒事件。