[發(fā)明專利]一種基于視覺的摔倒檢測方法及監(jiān)測預警系統(tǒng)在審

申請?zhí)枺?/td>	202111451254.1	申請日：	2021-12-01
公開（公告）號：	CN114170629A	公開（公告）日：	2022-03-11
發(fā)明（設計）人：	吳戀;崔忠偉;趙建川;于國龍;熊偉程;左欣;馬敏耀;陳偉濱;楊燚云	申請（專利權）人：	貴州師范學院
主分類號：	G06V40/10	分類號：	G06V40/10;G06V20/40;G06V10/80;G06V10/82;G06T7/207;G06N3/04;G06N3/08;G08B21/04
代理公司：	北京中濟緯天專利代理有限公司 11429	代理人：	陳友
地址：	貴州省貴陽市烏當***	國省代碼：	貴州;52
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于視覺摔倒檢測方法監(jiān)測預警系統(tǒng)
鉆瓜網(wǎng) 技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發(fā)明提供了一種基于視覺的輕量級摔倒事件監(jiān)測方法，具體包括如下步驟：步驟一：對指定范圍內(nèi)的區(qū)域進行視頻拍攝；步驟二：實時獲取拍攝的視頻并進行人體目標檢測；步驟三：對檢測到的人體目標獲取視頻中每一幀人體目標的幾何特征；步驟四：根據(jù)幾何特征獲取對應于人體目標摔倒可能性的異常分值y1；步驟五：計算視頻中相鄰的兩幀圖像的光流信息；步驟六：根據(jù)所述光流信息獲取對應于人體目標摔倒可能性的異常分值y2；步驟七：將由視頻對應的幀得到的y1和y2進行加權融合得到一融合值，將融合值與預設的閾值進行比較，通過比較結(jié)果判斷所述對應的幀是否為摔倒幀；步驟八：如果為摔倒幀，將摔倒幀的數(shù)量加1；步驟九：當一段視頻長度內(nèi)的摔倒幀的數(shù)量大于預設的閾值時，判斷為摔倒。該方法能夠更加準確地判斷人體目標是否摔倒。

技術領域

本發(fā)明涉及摔倒識別領域，具體涉及一種基于視覺的摔倒檢測方法及監(jiān)測預警系統(tǒng)。

背景技術

據(jù)世界衛(wèi)生組織發(fā)布的統(tǒng)計信息，摔倒是導致人類意外受傷或死亡的最主要因素，尤其對于老年人或易受傷害的人群。摔倒檢測技術是當前醫(yī)療健康領域的研究熱點，具有極大應用前景和社會意義。其目的在于及時發(fā)現(xiàn)摔倒事件，及時采取救助措施以盡可能減輕因摔倒導致的傷害及影響。

摔倒檢測技術主要分為3類，即基于可穿戴傳感器的檢測、基于場景傳感設備的檢測和基于視覺的檢測。其中基于視覺的檢測是利用監(jiān)控視頻，對視頻進行人體活動分析來檢測是否摔倒。基于視覺的檢測技術以不需要穿戴任何設備、非接觸處、易于實施部署的優(yōu)勢成為當前最具有應用前景的檢測方式。

在基于視覺的摔倒檢測方法中，大多基于傳統(tǒng)機器學習的摔倒檢測方法，其檢測準確率、有效性不高。如基于定義規(guī)則的方法，使用一些預定義的規(guī)則來定義正常或摔倒活動。這些方法只能對預定義的特定摔倒行為進行檢測，對于未出現(xiàn)過的摔倒行為缺乏可擴展性。基于深度學習的摔倒檢測方法較傳統(tǒng)機器學習方法而言，展現(xiàn)了相對較好的檢測效果，然而也仍然存在復雜場景下檢測準確性不高的問題，且深度學習的檢測方法普遍存在模型較大、需占用較大的存儲空間、需要較好的硬件計算裝置。這導致難以將深度學習算法模型嵌入到一般家用攝像頭中真正推廣應用。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種基于視覺的摔倒檢測方法及監(jiān)測預警系統(tǒng)，采用輕量級的模型，便于部署，能夠準確地對摔倒事件進行監(jiān)測。

為達到以上目的，本發(fā)明采用的技術方案為：一種基于視覺的輕量級摔倒事件監(jiān)測方法，具體包括如下步驟：

步驟一：對指定范圍內(nèi)的區(qū)域進行視頻拍攝；

步驟二：實時獲取拍攝的視頻并進行人體目標檢測；

步驟三：對檢測到的人體目標獲取視頻中每一幀人體目標的幾何特征；

步驟四：根據(jù)幾何特征獲取對應于人體目標摔倒可能性的異常分值y1；

步驟五：計算視頻中相鄰的兩幀圖像的光流信息；

步驟六：根據(jù)所述光流信息獲取對應于人體目標摔倒可能性的異常分值y2；

步驟七：將由視頻對應的幀得到的y1和y2進行加權融合得到一融合值，將融合值與預設的閾值進行比較，通過比較結(jié)果判斷所述對應的幀是否為摔倒幀；

步驟八：如果為摔倒幀，將摔倒幀的數(shù)量加1；

步驟九：當一段視頻長度內(nèi)的摔倒幀的數(shù)量大于預設的閾值時，判斷為摔倒。