The invention discloses an indoor elderly fall detection method, which aims to provide a solution for indoor elderly abnormal behavior detection and alarm, including the following steps: obtaining a frame in video data, preprocessing for noise reduction and contrast enhancement, calculating image direction gradient histogram features, and using SVM classifier to realize human detection to determine whether or not the human body is included; When the image contains human body, the target tracking algorithm is used to track the human body area; the tangent ellipse in the rectangular area is used to represent the body characteristics; the center point and the lower vertex of the tangent ellipse represent the center and foot of the human body respectively. The acceleration, angle, height difference and residence time of the two feature points are calculated to determine whether the elderly fall or not. Compared with the traditional recognition method based on acceleration sensor or bone sensor Kinect, the invention has lower installation cost and higher recognition accuracy than the traditional discrimination method based on the length-width ratio of human body contour.
【技术实现步骤摘要】
一种室内老人跌倒检测方法
本专利技术涉及视频分析与识别
,具体涉及一种室内老人跌倒检测方法,进一步涉及室内环境光下的姿态检测。
技术介绍
现今人口老龄化社会中,空巢老人数量日益增加,他们的健康保障面临着严重的威胁。意外跌倒对老年人的伤害极大,独居老年人如能在跌倒事件发生后得到及时医疗救助,可有效降低意外伤亡风险。统计结果表明:有1/3的65岁以上的老人在1年中至少跌倒过1次。因此,对独居老人意外跌倒发生时进行自动检测并发出报警信息,具有重要的现实意义。目前,国内外对人体跌倒检测主要分为3类方法:(1)、基于静态特征的跌倒检测,该设计实现了一种基于静态人体图像特征的跌倒检测系统,并通过提取人体的长、宽比和倾斜角度2个特征进行跌倒判断;(2)、基于穿戴式传感器的跌倒检测系统,通常是基于微系统(microelectro-mechanicalsystem,MEMS)三轴加速度计和双轴陀螺仪的可穿戴式跌倒实时检测系统,基于人体运动特征参数的跌倒识别算法。基于穿戴式传感器的系统由于缺少对于人体动作的整体信息,误报率较高;(3)、基于环境的跌倒检测系统,通过Kinect传感器提供的骨架数据对人体动作进行建模,使用各个关节的空间运动轨迹曲线和运动曲线作为对人体动作的表达,进而使用离散Fréchet距离对作为动作的相似性进行度量,最后通过K最近邻(Knearestneighbor,KNN)分类器对跌倒动作进行识别,但该方法安装成本高,Kinect传感器价格昂贵。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷,提供一种室内老人跌倒检测方法。本专利技术的目的可 ...
【技术保护点】
1.一种室内老人跌倒检测方法,其特征在于,所述的检测方法包括下列步骤:S1、输入待检测的视频,提取视频的各帧图像并进行降噪、增强对比度预处理操作;S2、对图像进行方向梯度直方图特征提取,使用滑动窗口的形式从上到下、从左到右的方式计算图像的方向梯度直方图特征;通过使用支持向量机SVM算法对样本进行训练的分类器对方向梯度直方图特征进行人体检测,若没有符合条件的目标区域,则判定为无人体存在,否则转到步骤S3;S3、针对符合条件的目标区域,使用连续自适应均值漂移算法把运动物体标记为跟踪区域,进行运动目标跟踪;S4、对运动物体的目标特征进行提取,所述的目标特征包括目标跟踪矩形区域内切椭圆的中心点和下顶点,分别代表人体躯干的中心点和脚部点;这两个特征主要是基于OpenCV的连续自适应均值漂移算法函数的内置目标跟踪矩形结构体CvBox2D实现;S5、经由目标跟踪矩形结构体CvBox2D成员属性:中心点center及尺寸size计算得到人体躯干的中心点和脚部点后,计算人体的加速度、角度、高度差以及停留时间判别人体是否跌倒,其中,加速度位于8.8m/s
【技术特征摘要】
1.一种室内老人跌倒检测方法,其特征在于,所述的检测方法包括下列步骤:S1、输入待检测的视频,提取视频的各帧图像并进行降噪、增强对比度预处理操作;S2、对图像进行方向梯度直方图特征提取,使用滑动窗口的形式从上到下、从左到右的方式计算图像的方向梯度直方图特征;通过使用支持向量机SVM算法对样本进行训练的分类器对方向梯度直方图特征进行人体检测,若没有符合条件的目标区域,则判定为无人体存在,否则转到步骤S3;S3、针对符合条件的目标区域,使用连续自适应均值漂移算法把运动物体标记为跟踪区域,进行运动目标跟踪;S4、对运动物体的目标特征进行提取,所述的目标特征包括目标跟踪矩形区域内切椭圆的中心点和下顶点,分别代表人体躯干的中心点和脚部点;这两个特征主要是基于OpenCV的连续自适应均值漂移算法函数的内置目标跟踪矩形结构体CvBox2D实现;S5、经由目标跟踪矩形结构体CvBox2D成员属性:中心点center及尺寸size计算得到人体躯干的中心点和脚部点后,计算人体的加速度、角度、高度差以及停留时间判别人体是否跌倒,其中,加速度位于8.8m/s2和9.8m/s2之间为条件A,角度小于30为条件B,中心点center的Y轴坐标和下顶点的Y轴坐标之差的绝对值小于预设坐标阈值为条件C,当条件A满足,且条件B和C的持续时间超过预设时间阈值则判断为跌倒。2.根据权利要求1所述的一种室内老人跌倒检测方法,其特征在于,所述的步骤S2过程如下:S21、采用Gamma校正法对输入图像标准化Gamma空间和颜色空间,其中,对位于(x,y)处的像素I(x,y),Gamma压缩公式为:I(x,y)=I(x,y)gamma其中,gamma为校正指数;S22、计算图像中像素点(x,y)的横坐标和纵坐标方向的梯度,并据此计算每个像素位置的方向梯度值,图像中坐标(x,y)的横坐标和纵坐标方向的梯度分别为:Gx(x,y)=H(x+1,y)-H(x-1,y)Gy(x,y)=H(x,y+1)-H(x,y-1)式中Gx(x,y)、Gy(x,y)、H(x,y)分别表示输入图像中像素点(x,y)处的水平方向梯度、垂直方向梯度和像素值,像素点(x,y)处的梯度幅值G(x,y)和方向梯度α(x,y)分别为:式中G(x,y)为该像素点(x,y)梯度幅度,α(x,y)为该像素点(x,y)方向梯度,将每个像素点的方向梯度,利用双线性内插法将其幅值累加到直方图中,即构成方向梯度直方图;S23、将图像分别划分成若干个单元格cell,每个单元格cell为6*6像素,并统计每个单元格cell的方向梯度直方图,即统计不同梯度的个数,形成每个单元格cell的描述符,再将3*3个单元格cell组成一个区间block,一个区间block内所有单元格cell的特征描述符串联起来便得到该区间b...
【专利技术属性】
技术研发人员:曾凌峰,贺小勇,余卫宇,
申请(专利权)人:华南理工大学,广州飞宇智能科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。