一种摔倒报警方法、装置及设备制造方法及图纸
【技术实现步骤摘要】
一种摔倒报警方法、装置及设备
本专利技术涉及防摔倒监控领域，具体而言，涉及一种摔倒报警方法、装置及设备。
技术介绍
根据世界疾病控制与预防组织统计，世界上超过65岁的老人，每年有l/3会摔倒，其中有一半为再发性摔倒，摔倒率随年龄增长而增长；摔倒的老年人中有20％-30％的人发生中度和重度损伤(髋骨骨折和头创伤)，60％活动受限或不能活动，造成巨大的医疗负担和健康伤害。医院里，病人摔倒不及时救治也会产生很严重的后果。减小老年人以及病人摔倒带来的伤害问题已成为国际上新的研究热点。医学研究标明：减小人摔倒时给身体带来的冲击可以有效减轻摔倒事故带来的伤害；而对于已经摔倒的老人及病人，救助等待时间的长短直接决定了患病的程度。目前主要的摔倒自动检测报警系统主要通过自动检测人体上躯干部位的加速度信息及位姿信息，综合人体加速度、位姿、运动时间三者之间的关系，正确判断人体是否摔倒以及是否需要求救。然而，需要佩戴额外的设备这一限定，大大阻碍了现有方案的实现效果，并且设备佩戴较为繁琐，老年人或病人此前没有接触过此类装置的话不易操作，且设备佩戴位置有严格要求，普通人不易掌握，可能额外需专...
【技术保护点】
一种摔倒报警方法，其特征在于，所述摔倒报警方法包括：获取采集区域内的环境视频；将所述环境视频处理成多帧第一图像序列；将每一帧所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像；获取所述热度图像的多个关键点，将所述多个关键点按预设规则生成第一关键点序列；根据多帧连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒；当判断所述人体摔倒时，生成报警信息。
【技术特征摘要】
1.一种摔倒报警方法，其特征在于，所述摔倒报警方法包括：获取采集区域内的环境视频；将所述环境视频处理成多帧第一图像序列；将每一帧所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像；获取所述热度图像的多个关键点，将所述多个关键点按预设规则生成第一关键点序列；根据多帧连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒；当判断所述人体摔倒时，生成报警信息。2.如权利要求1所述的摔倒报警方法，其特征在于，所述将每一帧所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像的步骤之前，还包括对所述基于深度学习算法的人体姿态估计模型进行训练的步骤：获取人体图片，对图片中的人体的轮廓进行标注；构建深度学习网络；将所述人体图片输入所述深度学习网络进行训练，以得到所述基于深度学习算法的人体姿态估计模型。3.如权利要求1所述的摔倒报警方法，其特征在于，所述根据多帧连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒的步骤之前还包括建立关键点序列模型的步骤，所述建立关键点序列模型的步骤包括：获取人体在不同姿态时对应的第二图像序列，获取所述第二图像序列对应的第二关键点序列，所述姿态包括摔倒行为和未摔倒行为；根据第二图像序列对应的姿态对所述第二关键点序列进行标记，获取所述第二关键点序列对应的人体姿态变化，以得到所述关键点序列模型。4.如权利要求3所述的摔倒报警方法，其特征在于，所述获取人体在不同姿态时对应的第二图像序列，获取所述第二图像序列对应的第二关键点序列的步骤，包括：获取人体姿态模型视频，将所述视频处理成多帧所述第二图像序列；获取多帧连续的所述第二图像序列的所述第二关键点序列。5.如权利要求4所述的摔倒报警方法，其特征在于，所述获取多帧连续的第二图像序列的第二关键点序列的步骤包括：记录多帧连续的所述第二图像序列中每一所述第二图像序列对应的时间；获取所述多帧连续的所述第二图像序列中每一所述第二图像序列对应的第二关键点序列。6.如权利要求5所述的摔倒报警方法，其特征在于，所述根据多帧连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒的步骤，包括：当连续的多帧所述第一图像序列对应的所述第一关键点序列的变化大于连续的多帧所述第二图像序列对应的所述第二关键点序列的变化的阈值时判断所述人体摔倒。7.一种摔倒报警装置，其特征在于，所述摔倒报警装置包括：视频获取模块，用于获取采集区域内的环...
【专利技术属性】
技术研发人员：马兆远，韩放，韩德伟，
申请(专利权)人：司马大大北京智能系统有限公司，
类型：发明
国别省市：北京,11
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。