[發明專利]一種基于視頻監控的全天無陪護病房患者跌倒檢測方法

在審

• 申請號: 202210116062.3
• 申請日: 2022-01-29
• 公開（公告）號: CN114495280A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 劉曉亮;高素君;趙欣;王京華;湯發源;曲從程;趙永興
• 申請（專利權）人: 吉林大學第一醫院;長春理工大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京中理通專利代理事務所(普通合伙) 11633
• 代理人: 劉慧宇

一種基于視頻監控的全天無陪護病房患者跌倒檢測方法，涉及深度學習和智能監控技術領域，為了解決現有技術存在的患者跌倒檢測誤報率高的問題，該方法：視頻圖像預處理；標定病床邊界框；檢測人體關鍵點；提取人體跌倒特征；判斷人體是否跌倒：將標準化后的18個人體關鍵點坐標，人體部分關鍵點外接矩形的縱橫比，人體部分關鍵點外接矩形與病床邊界框的交并比，作為患者日常活動的特征向量，并利用隨機森林算法實現患者跌倒檢測；檢測到跌倒的圖片發送到醫護人員手機端并發出警報，醫護人員通過觀察圖片可以進一步判斷是否是誤報情況。該方法不僅具有實時性強、成本低、泛化能力強、準確度高的特點，也不會影響患者的正常的生活。

技術領域

本發明涉及深度學習和智能監控技術領域，具體為一種基于深度學習卷積神經網絡的視頻監控患者跌倒檢測方法。

背景技術

跌倒意外是醫院常見的不良事件之一、約占醫院不良事件的40％，是非致死性損傷和傷害死亡的主要原因。跌倒意外位于住院護理不良事件的前3位，是病房安全管理的重要問題，需要第一時間發現并處理。

患者跌倒是病房安全管理的重要問題，需引起醫療護理管理者的高度重視，患者跌倒后的及時報警已經受到相關學者的廣泛關注，成為一項重要的臨床課題。目前，國內大多數醫院內的無陪護病房(例如：造血干細胞無菌層流病房；病情相對穩定的患者病房)存在醫護人員相對不足的情況，醫護不能對患者進行實時有效的觀察與護理。即使在有陪病房內，對一些少人陪護的患者也極有可能出現跌倒意外引發的危急情況；加之病理原因導致患者突然暈倒的情況發生時，患者往往處于無法自主呼救的情形，極有可能會出現患者因救治不及時而死亡的極端情況。因此許多醫院中，已有大部分病房配備視頻監控設備。雖然在醫院的患者房間中已配備相關監控設備，但是有研究表明，人眼觀看監控視頻20分鐘后經常會走神，圖片中95％的信息將被忽略。尤其是面對多個病房的大規模的監控視頻，人眼無法對多個病房內患者的狀態進行實時觀察，很容易遺漏某些患者的活動狀態。因此通過視頻監控自主判斷患者是否處于跌倒的情況并及時發警報可以彌補這些缺陷，并使患者能夠得到及時的救助。

目前在跌倒檢測上主要有三個研究方向①基于可穿戴設備傳感器的跌倒檢測②基于環境設備傳感器的跌倒檢測③基于視頻監控的跌倒檢測。可穿戴設備需要病人隨身穿戴，會造成病人在日常活動中的不方便。環境設備通過在周圍環境中安裝麥克風陣列傳感器或地面壓力傳感器，檢測人體跌倒時的壓力、聲音變化，容易受到環境的限制，而且對于醫院一些特殊的病房，如無菌病房并不適合安裝。通過視頻監控采集圖像，并基于人體關鍵點特征進行跌倒識別，但忽略了患者躺著病床上的類跌倒行為，容易產生跌倒誤報情況。本發明基于視頻監控，將人體關鍵點坐標、人體部分關鍵點外接矩形的縱橫比以及人體部分關鍵點外接矩形與病床邊界框的交并比作為人體跌倒判斷的特征向量，利用隨機森林算法進行跌倒檢測。不會影響患者的日常活動，并且可以區分患者在病床上休息的類跌倒行為，進一步提高跌倒檢測識別率，可以基于已有的監控攝像頭對患者進行跌倒姿態判斷。

發明內容

本發明為了解決現有技術存在的患者跌倒檢測誤報率高的問題，提出一種基于深度學習計算機視覺的全天患者跌倒檢測方法，其基于卷積神經網絡的人體姿態識別技術，實現對患者跌倒行為的識別與報警，并降低患者躺在病床上的類跌倒行為誤檢率。

為達到上述目的，本發明提供以下技術方案：

一種基于視頻監控的全天無陪護病房患者跌倒檢測方法，其特征是，該方法包括以下步驟：

步驟1，視頻圖像預處理：基于日間RGB攝像機或夜間熱紅外攝像機對預定區域進行圖像采集，獲得圖片幀；

步驟2，標定病床邊界框：使用YOLOv5s目標檢測網絡預先標定病床的邊界框坐標；自定義病床目標檢測數據集，并基于YOLOv5s進行訓練，實現病床目標邊界框檢測，若不對病床進行移動，只需檢測到病床的位置后即可停止，否則，需要重新檢測；

步驟3，檢測人體關鍵點：基于日間RGB攝像或夜間熱紅外攝像，利用相對應的日間或夜間人體關鍵點檢測網絡，檢測圖像中18個人體關鍵點坐標；