一种基于深度学习图像处理的摔倒检测方法技术

本发明专利技术公开了一种基于深度学习图像处理的摔倒检测方法，该方法不依靠穿戴设备和传感器，通过摄像头拍摄的高频次的图片传到服务器端，服务器端通过Deepcut深度神经网络模型进行人体关键点检测，将输出的人体关键点检测图数据输入到深度神经网络中，通过事先准备的人体各类情况下关键点分布的训练数据训练出的模型作摔倒判断，在图像处理方面每张图片处理速度在0.2秒左右，具有很强的实时性。通过上述方式，本发明专利技术能够有效地检测到摔倒事件。不同状态的摔倒和人体的其他各个形态实例检测表明，提出的方法可以有效地检测摔倒事件。本发明专利技术可以应用在智慧城市的智慧家居系统中，保障老人的居家安全。

A Fall Detection Method Based on Deep Learning Image Processing

The invention discloses a fall detection method based on in-depth learning image processing. The method does not rely on wearing equipment and sensors, but transmits high-frequency pictures taken by camera to the server side. The server side detects the key points of human body through Deepcut depth neural network model, and detects the key points of human body output. The graph data is input into the depth neural network. The model trained by the training data of key points distribution in various human situations is used to make the fall judgment. In image processing, the processing speed of each picture is about 0.2 seconds, which has strong real-time performance. By the above way, the invention can effectively detect the falling event. Examples of falls in different states and other human shapes show that the proposed method can effectively detect falls. The invention can be applied to the intelligent home system of the intelligent city to ensure the home safety of the elderly.

【技术实现步骤摘要】
一种基于深度学习图像处理的摔倒检测方法
本专利技术涉及健康监测领域，特别是涉及一种基于深度学习图像处理的摔倒检测方法。
技术介绍
当今中国正跑步进入老龄化社会，60岁以上的老人数量快速增多，独居、孤寡的“空巢老人”也正以前所未有的速度增长。预计到2020年，全国60岁以上老年人口将增加到2.55亿人左右，占总人口比重提升到17.8%左右；高龄老年人将增加到2900万人左右。随着第一代独生子女的父母陆续进入老年，中国传统家庭结构的逐渐瓦解，相关研究估计到2030年中国空巢老人将增加到两亿多，占到中国老龄人口的九成。独居老人一方面缺少精神上的慰藉，另一方面行动能力有限，如果发生意外更是难以及时通知到儿女或亲人。近年来独居老人家中意外死亡事件频发，相关研究表明，老人摔倒后若能及时得到帮助，可以有效降低80％的死亡风险和26％的住院长期治疗风险。国内外针对物联网环境下基于摄像头的摔倒检测研究还是比较少的，基于深度学习图像处理的摔倒检测方法更是没有。传统的对于摔倒检测的研究，其主流设计都是基于可穿戴设备和相关传感器，通过穿戴设备获得数据做进一步处理，以及采用不同类型的传感设备和相关算法构建针对本文档来自技高网...

【技术保护点】
1.一种基于深度学习图像处理的摔倒检测方法，其特征在于：不依靠穿戴设备和传感器，是一种基于深度学习图像处理的摔倒检测方法，使用摄像头拍摄的高频次的图片传到服务器端，服务器端通过Deepcut深度神经网络模型进行人体关键点检测，将输出的人体关键点检测图数据输入到深度神经网络中，通过事先准备的人体各类情况下关键点分布的训练数据训练出的模型以判断是否摔倒。

【技术特征摘要】
1.一种基于深度学习图像处理的摔倒检测方法，其特征在于：不依靠穿戴设备和传感器，是一种基于深度学习图像处理的摔倒检测方法，使用摄像头拍摄的高频次的图片传到服务器端，服务器端通过Deepcut深度神经网络模型进行人体关键点检测，将输出的人体关键点检测图数据输入到深度神经网络中，通过事先准备的人体各类情况下关键点分布的训练数据训练出的模型以判断是否摔倒。2.根据权利要求1所述的一种基于深度学习图像处理的摔倒检测方法，其特征在于：以数万张图片作为训练数据，通过DeeperCut模型预测出图中人体的14个关键点，获得数万条标记人体关键点的数据，其中每一条数据包括1...

【专利技术属性】
技术研发人员：沈磊贤，张卿云，曹国旭，庞佳逸，徐鹤，李鹏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32