基于特征算子的实时个体跌倒行为检测报警方法技术

本发明专利技术公开了一种基于特征算子的实时个体跌倒行为检测报警方法，具体按照以下步骤实施：对视频混合高斯背景建模、二值化、Canny处理及形态学处理，提取出运动人体目标图像后从得到的运动人体目标图像中提取出人体运动信息，对运动目标进行跟踪，记录运动人体的跟踪信息，绘出运动人体的外接矩形；计算人体重心高度变化率，并判断是否满足标准，进而判断是否发生跌倒行为，计算外接矩形高长比，并判定是否符合跌倒时的标准，判定人体处于跌倒行为时，记录人体发生跌倒行为的时间并判断是否属于已经受伤而无法站立的情况，并做出报警处理；本发明专利技术的方法通过运用自定义的特征算子，来判断人体正常行为和跌倒行为，能够很好的保证实时性。

【技术实现步骤摘要】
基于特征算子的实时个体跌倒行为检测报警方法
本专利技术属于行为异常报警
，具体涉及一种基于特征算子的实时个体跌倒行为检测报警方法。
技术介绍
幼儿、老年人以及一些病人，是最容易发生跌倒行为的群体，而一旦这些人发生了跌倒行为，并且不能自己站立起来，有可能会影响到这些监护人群的人身安全，而如果这种异常行为能够被监控系统及时检测到，并做出相应的处理，便能有效地保证这类监护人群的人身安全，因此，在公园、小区、广场、医院等老人、幼儿以及病人出现频率很高的地方安装异常报警系统具有很重要的作用。据世界卫生组织相关资料显示，跌倒是世界各地意外或非故意伤害死亡的第二大隐患。全世界每年估计有42.4万人因跌倒受伤而导致死亡。众多因跌倒造成的死亡并非直接源于跌到本身，而是因为跌倒后没有的及时的救助而错过了最佳时机。因此，实现一种实时有效的跌倒检测报警方法在监护领域具有重要意义。
技术实现思路
本专利技术的目的是提供一种基于特征算子的实时个体跌倒行为检测报警方法，通过运用自定义的特征算子，来判断人体正常行为和跌倒行为，能够很好的保证实时性。本专利技术所采用的技术方案是，一种基于特征算子的实时个体跌倒行为检测报警方法，具体按照以下步骤实施：步骤1，对视频混合高斯背景建模、二值化、Canny处理及形态学处理，提取出运动人体目标图像，步骤2，从步骤1得到的运动人体目标图像中提取出人体运动信息，对运动目标进行跟踪，记录运动人体的跟踪信息，绘出运动人体的外接矩形；步骤3，根据步骤2中采集的人体运动信息，计算人体重心高度变化率，并判断是否满足标准，进而判断是否发生跌倒行为，步骤4，计算外接矩形高长比，并判定是否符合跌倒时的标准，步骤5，步骤4判定人体处于跌倒行为时，开始记录人体发生跌倒行为的时间t，如果t>2min，参则认为人体长时间内无法自己恢复站立，说明人体可能已经受伤，此时，系统做出报警处理；否则，不做任何处理。本专利技术的特点还在于，所述的步骤1具体为，利用混合高斯背景建模方法提取实时采集的图像，通过二值化处理，提取出运动人体目标，对二值化图像做形态学处理，去除图像中的噪声，同时利用Canny边缘检测得到运动人体目标图像。所述的步骤2中提取并记录下的运动人体目标的相关运动信息，包括重心坐标外接矩形的长和高以及外接矩形中像素值为1和0的像素总数。所述的步骤2具体为，步骤2.1，对步骤1提取的前景目标利用camshif结合Kalman算法进行跟踪，并对提取出的运动人体目标的二值化图像进行投影，步骤2.2，首先从图像的最左端到最右端遍历一次，分别记录下其横坐标Xmin和Xmax；再从图像的最下端到最上端遍历一次，找出最下端和最上端的白色像素点，分别记录下其纵坐标Ymin和Ymax；步骤2.3，分别根据公式(1)和公式(2)求出外接矩形的高度Height和宽度Length，Height＝Ymax-Ymin(1)Length＝Xmax-Xmin(2)Xmin和Ymin表示外接矩形的最小横坐标和最小纵坐标，Xmax和Ymax是外接矩形的最大横坐标和最大纵坐标；步骤2.4，根据步骤2.3计算出的外接矩形的高度和宽度，绘出运动人体的外接矩形。所述的步骤3具体为，步骤3.1，采用外接矩形的灰度质心来标识运动人体的重心，遍历整个外接矩形区域，即从Xmin到Xmax遍历每行的同时，从Ymin到Ymax遍历每列，分别计算出外接矩形区域内所有像素点的灰度值之和∑(x,y)∈Rf(x,y)，所有像素点与对应x坐标乘积之和x∑(x,y)∈Rf(x,y),所有像素点与对应y坐标乘积之和y∑(x,y)∈Rf(x,y)其中，R为外接就行区域，f(x,y)为外接矩形区域内像素点(x,y)坐标处的灰度值。采用公式(3)和公式(4)分别计算出外接矩形区域的灰度质心，也即运动人体区域的重心Xw和Yw：定点坐标W(Xw,Yw)为外接矩形区域的灰度质心，也即运动人体的重心。步骤3.2，计算重心高度变化率，并初步判定人体是否有重心降低的变化。所述的步骤3.2具体为，重心的下降直接用人体重心纵坐标Yw的减小来反映，根据公式(3)和(4)分别计算出当前帧的每一帧图像中运动人体中心的横坐Xw(i)和纵坐标Yw(i),然后根据公式(5)计算人体重心与外接矩形底部的高度差WHeight(i)。即，WHeight(i)＝Yw(i)-Ymin(i)(5)其中i指第i帧图像，i＝1,2,3，……，n，……。假设当前帧为第n帧，而后求第n帧前的所有帧图像中WHeight的平均值：则，运动人体重心高度变化率按照公式(7)计算，WHeightRate＝WHeight/averageWHeight(7)当重心高度变化率小于1时，判定为人体发生重心改变，出现跌倒行为，此时，转步骤4进行进一步判断。所述的步骤4具体为，步骤4.1，计算外接矩形高长比Y2X，步骤4.2，判断外接矩形高长比Y2X的值是否小于1，如果是，则判定为人体发生了跌倒行为，继续步骤5，否则，返回步骤1。所述的步骤4.1中的外接矩形高长比Y2X按照公式(8)进行计算，其中，Y2X代表外部矩形的高长比。本专利技术的有益效果是：本专利技术一种基于特征算子的实时个体跌倒行为检测报警方法，实现了根据当前行为动作预测动作的发展方向，并对当前已经发生的异常进行实时的分析、处理；大大降低了长久跌倒不起以及长久下蹲等带来的事故发生率；不需要云端服务器，实时性高。附图说明图1是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的算法流程图；图2是基于特征算子的实时个体跌倒行为检测报警方法中图像被二值化后图像；图3是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的对于跟踪到的行人进行Canny边缘检测后的示意图；图4是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的对于行人的矩形框标识图；图5是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的外接矩形灰度质心点的示意图；图6是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的重心高度变化率示意图；图7是本专利技术基于特征算子的实时个体跌倒行为检测报警方法中外接矩形高长比示意图；图8是本专利技术基于特征算子的实时个体跌倒行为检测报警方法的行人跌倒示意图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。本专利技术一种基于特征算子的实时个体跌倒行为检测报警方法，如图1所示，具体按照以下步骤实施：步骤1，对视频混合高斯背景建模、二值化、Canny处理及形态学处理，提取出运动人体目标图像，具体步骤为：利用混合高斯背景建模方法提取实时采集的图像，通过二值化处理，提取出运动人体目标，对二值化图像做形态学处理，去除图像中的噪声，同时利用Canny边缘检测得到运动人体目标图像；步骤2，从步骤1得到的运动人体目标图像中提取出人体运动信息，对运动目标进行跟踪，记录运动人体的跟踪信息，绘出运动人体的外接矩形。其中，提取并记录下的运动人体目标的相关运动信息，包括重心坐标外接矩形的长和高以及外接矩形中像素值为1和0的像素总数；具体步骤为：步骤2.1，对步骤1提取的前景目标利用camshif结合Kalman算法进行跟踪，并对提取出的运动人体目标的二值化图像进行投影，如图3所示步骤2.2，首先从图像的最左端到最右端遍历一次，分别记本文档来自技高网...

【技术保护点】
1.一种基于特征算子的实时个体跌倒行为检测报警方法，其特征在于，具体按照以下步骤实施：步骤1，对视频混合高斯背景建模、二值化、Canny处理及形态学处理，提取出运动人体目标图像，步骤2，从步骤1得到的运动人体目标图像中提取出人体运动信息，对运动目标进行跟踪，记录运动人体的跟踪信息，绘出运动人体的外接矩形；步骤3，根据步骤2中采集的人体运动信息，计算人体重心高度变化率，并判断是否满足标准，进而判断是否发生跌倒行为，步骤4，计算外接矩形高长比，并判定是否符合跌倒时的标准，步骤5，步骤4判定人体处于跌倒行为时，开始记录人体发生跌倒行为的时间t，如果t>2min，参则认为人体长时间内无法自己恢复站立，说明人体可能已经受伤，此时，系统做出报警处理；否则，不做任何处理。

【技术特征摘要】
1.一种基于特征算子的实时个体跌倒行为检测报警方法，其特征在于，具体按照以下步骤实施：步骤1，对视频混合高斯背景建模、二值化、Canny处理及形态学处理，提取出运动人体目标图像，步骤2，从步骤1得到的运动人体目标图像中提取出人体运动信息，对运动目标进行跟踪，记录运动人体的跟踪信息，绘出运动人体的外接矩形；步骤3，根据步骤2中采集的人体运动信息，计算人体重心高度变化率，并判断是否满足标准，进而判断是否发生跌倒行为，步骤4，计算外接矩形高长比，并判定是否符合跌倒时的标准，步骤5，步骤4判定人体处于跌倒行为时，开始记录人体发生跌倒行为的时间t，如果t>2min，参则认为人体长时间内无法自己恢复站立，说明人体可能已经受伤，此时，系统做出报警处理；否则，不做任何处理。2.根据权利要求1所述的基于特征算子的实时个体跌倒行为检测报警方法，其特征在于，所述的步骤1具体为，利用混合高斯背景建模方法提取实时采集的图像，通过二值化处理，提取出运动人体目标，对二值化图像做形态学处理，去除图像中的噪声，同时利用Canny边缘检测得到运动人体目标图像。3.根据权利要求1所述的基于特征算子的实时个体跌倒行为检测报警方法，其特征在于，所述的步骤2中提取并记录下的运动人体目标的相关运动信息，包括重心坐标外接矩形的长和高以及外接矩形中像素值为1和0的像素总数。4.根据权利要求1所述的基于特征算子的实时个体跌倒行为检测报警方法，其特征在于，所述的步骤2具体为，步骤2.1，对步骤1提取的前景目标利用camshif结合Kalman算法进行跟踪，并对提取出的运动人体目标的二值化图像进行投影，步骤2.2，首先从图像的最左端到最右端遍历一次，分别记录下其横坐标Xmin和Xmax；再从图像的最下端到最上端遍历一次，找出最下端和最上端的白色像素点，分别记录下其纵坐标Ymin和Ymax；步骤2.3，分别根据公式(1)和公式(2)求出外接矩形的高度Height和宽度Length，Height＝Ymax-Ymin(1)Length＝Xmax-Xmin(2)Xmin和Ymin表示外接矩形的最小横坐标和最小纵坐标，Xmax和Ymax是外接矩形的最大横坐标和最大纵坐标；步骤2.4，根据步骤2.3计算出的外接矩形的高度和宽度，绘出运动人体的外...

【专利技术属性】
技术研发人员：张发存，薛伟伟，崔利军，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61