The invention discloses a method for 3D camera based human fall detection, the method includes collecting training data, for different height, a plurality of subjects of different age groups collected fall and non fall action sequences acquisition; data preprocessing; motion feature extraction, extraction of each action node distribution of bone the height, characteristics and inertial characteristics, constitute a feature vector; classifier training and obtaining the motion model, the training set will feature vector input to hidden Markov model, obtain the optimal model parameters; finally, the characteristics of each test sample for intra frame data extraction, test input before model discrimination. The invention realizes the detection of human fall behavior with a machine learning method, and has a high recognition rate. The method belongs to the field of computer vision and machine learning, it can effectively identify the occurrence of indoor fall behavior, timely send out the alarm, and save the labor force of nursing staff.
【技术实现步骤摘要】
一种基于三维摄像头的人体跌倒检测方法
本专利技术涉及人机交互领域中人体行为识别研究,采用机器学习方法提出一种基于三维摄像头的人体跌倒检测方法。
技术介绍
近年来在医疗监护、智能交通、安保监控等领域上对人体行为分析得到广泛关注,人体跌倒检测作为行为分析的一个分支,在当前人口老龄化,患者得不到充分的安全监护情况下显得尤为重要。有数据表明,跌倒是老年人主要的致伤原因,而利用先进的图像处理技术,传感器技术可以对老年人、病人的跌倒状况进行自动检测,及时告警。避免了跌倒后伤势加重、诱发病情,错过救助良机;同时降低了看护成本,节省人工劳动力。人体跌倒检测研究大体分为两类,一类是基于计算机图像处理技术,另一类是基于传感器技术。传统的跌倒检测方法是通过给实验对象佩戴有加速度传感器的设备,来实时采集数据,作出行为判断。如专利CN105989694A的一种基于三轴加速度传感器的人体跌倒检测方法,该方法通过判断Y轴加速度峰值是否达到阈值,如达到再对该加速度值进行特征分析,与跌倒行为特征进行匹配,从而判断用户跌倒事件。以及专利CN105342626A的穿戴式设备及应用于穿戴式设备的跌倒检测方法,通过穿戴式设备三个轴向的实时加速度,计算符合跌倒条件的极值点波形,然后通过计算该极值点波形的方差特征对跌倒事件进行检测。以及专利CN105125220A的一种跌倒检测方法,首先获取三轴加速度传感器值,并计算合加速度;判断合加速度是否大于加速度阈值,若大于则计算检测结果,根据跌倒检测模型和检测结果进行跌倒判断。这类方式主要是通过跌倒过程中的三轴加速度信息进行判断,因为要佩戴设备,影响到人的舒适 ...
【技术保护点】
一种基于三维摄像头的人体跌倒检测方法,其特征在于,所述方法包括如下步骤:步骤1:人体跌倒与日常生活动作的采集;建立跌倒检测的数据集,将人体常见的跌倒动作,前向、后向以及侧向跌倒动作,日常生活的非跌倒动作,捡东西、坐下、躺下以及行走动作统一采集,通过三维摄像头捕获动作发生连续帧内骨骼节点信息,并以三维空间节点坐标形式存储下来;步骤2:建立跌倒检测训练集;采集大量人体跌倒与类跌倒动作数据,为数据分类加标签;步骤3:提取动作特征;对训练集中的跌倒动作与类跌倒动作过程中的骨骼节点坐标信息提取人体骨骼聚类特征,计算连续帧内臀部节点距离地面高度变化以及头部节点的加速度信息,将以上几种特征提取出来作为每帧内的一组特征向量;步骤4:将上一步对训练数据集提取的特征输入隐马尔可夫模型进行训练;由最大期望算法经过多次迭代计算,建立最优隐马尔可夫模型;步骤5:用三维摄像头采集的人体跌倒动作与非跌倒动作样例重复步骤2、步骤3操作,将处理过后的数据投入步骤4获得的隐马尔可夫模型进行测试,得到预测标签,若与实际标签一致,则判断正确,反之判断错误。
【技术特征摘要】
1.一种基于三维摄像头的人体跌倒检测方法,其特征在于,所述方法包括如下步骤:步骤1:人体跌倒与日常生活动作的采集;建立跌倒检测的数据集,将人体常见的跌倒动作,前向、后向以及侧向跌倒动作,日常生活的非跌倒动作,捡东西、坐下、躺下以及行走动作统一采集,通过三维摄像头捕获动作发生连续帧内骨骼节点信息,并以三维空间节点坐标形式存储下来;步骤2:建立跌倒检测训练集;采集大量人体跌倒与类跌倒动作数据,为数据分类加标签;步骤3:提取动作特征;对训练集中的跌倒动作与类跌倒动作过程中的骨骼节点坐标信息提取人体骨骼聚类特征,计算连续帧内臀部节点距离地面高度变化以及头部节点的加速度信息,将以上几种特征提取出来作为每帧内的一组特征向量;步骤4:将上一步对训练数据集提取的特征输入隐马尔可夫模型进行训练;由最大期望算法经过多次迭代计算,建立最优隐马尔可夫模型;步骤5:用三维摄像头采集的人体跌倒动作与非跌倒动作样例重复步骤2、步骤3操作,将处理过后的数据投入步骤4获得的隐马尔可夫模型进行测试,得到预测标签,若与实际标签一致,则判断正确,反之判断错误。2.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法,其特征在于:所述步骤2中训练集中的人体的非跌倒动作采集多种类型,数据量大且区分度高,包括行走,捡东西这类区分度大的动作以及坐下,躺下这些类跌倒动作,保证数据集的全面性;且跌倒动作标签为1,非跌倒动作标签为2。3.根据权利要求2所述的一种基于三维摄像头的人体跌倒检测方法,其特征在于:三维摄像头采集的训练集要求每个动作的初始帧内,人体呈直立状态,两脚不重叠,开始记录。4.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法,其特征在于:所述步骤3中对数据集中人体骨骼节点坐标使用K-means人体骨骼聚类方法,其中K均值,将人体骨骼坐标特征换算为空间距离特征,在每帧内迭代计算多个骨骼节点的点群中心,最终确定两个中心点的位置,计算每个骨骼节点到距离最近的那个点群中心的欧式距离作为特征。5.根据权利要求1所述的一种基于三维摄像头的人...
【专利技术属性】
技术研发人员:陈建新,刘李正,裴启程,奚晨烜,赵晨雪,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
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。