The invention discloses a fall detection method based on deep convolution neural network and long-term and short-term memory network, which comprises the following steps. Fig. 1: Input image signal and/or video signal, while dividing the above image signal and/or video signal into picture frames and forward and backward frames sequentially continuous with the picture frame. (2) The image features of the picture frame and the front and back frames are extracted by the depth convolution neural network model. (1) The image features extracted in I2 are transformed into those related to the fall behavior through the long-term and short-term memory network model. (4) The sliding window method and the short-term and long-term memory network model are used to extract the temporal sequence information related to the fall behavior. The invention discloses a fall detection method based on deep convolution neural network and long-term and short-term memory network, which can monitor and identify the fall behavior in complex environment in real time, and has high accuracy and stability.
【技术实现步骤摘要】
基于深度卷积神经网络与长短期记忆网络的摔倒检测方法
本专利技术属于基于深度学习的人工智能
,具体涉及一种基于深度卷积神经网络与长短期记忆网络的摔倒检测方法。
技术介绍
随着科技的高速发展,人工智能产业所占比例大幅增长,基础设施GPU服务器可以满足巨大计算量。计算速度越来越快,传统的图像处理方法已经越来越不能满足现在的需求场景。传统的图像分识别技术准确率低,稳定性差,对图像的质量要求较高。传统的图像识别技术对视频的处理能力不够,无法保证实时性。
技术实现思路
本专利技术针对现有技术的状况,克服上述缺陷,提供一种基于深度卷积神经网络与长短期记忆网络的摔倒检测方法。本专利技术采用以下技术方案,所述基于深度卷积神经网络与长短期记忆网络的摔倒检测方法包括以下步骤:步骤S1:输入图像信号和/或视频信号,同时将上述图像信号和/或视频信号切分为图片帧和与该图片帧在时序上连续的前后帧;步骤S2:通过深度卷积神经网络模型提取步骤S1中的图片帧和前后帧的图像特征;步骤S3:通过长短期记忆网络模型将步骤S2中提取的图像特征转化为与摔倒行为相关的特征;步骤S4:通过滑动窗口方法与长短期记忆网络模型相互配合以提取与摔倒行为相关的时间顺序信息。根据上述技术方案,在步骤S2中,上述深度卷积神经网络模型采用Inception-ResNet-v2模型。根据上述技术方案,在步骤S2中,上述深度卷积神经网络模型经过ILSVRC图像集预训练。根据上述技术方案,上述Inception-ResNet-v2模型经过ILSVRC图像集预训练。根据上述技术方案,在步骤S4中,滑动窗口方法的表达式为:其中, ...
【技术保护点】
1.一种基于深度卷积神经网络与长短期记忆网络的摔倒检测方法,其特征在于,包括以下步骤:步骤S1:输入图像信号和/或视频信号,同时将上述图像信号和/或视频信号切分为图片帧和与该图片帧在时序上连续的前后帧;步骤S2:通过深度卷积神经网络模型提取步骤S1中的图片帧和前后帧的图像特征;步骤S3:通过长短期记忆网络模型将步骤S2中提取的图像特征转化为与摔倒行为相关的特征;步骤S4:通过滑动窗口方法与长短期记忆网络模型相互配合以提取与摔倒行为相关的时间顺序信息。
【技术特征摘要】
1.一种基于深度卷积神经网络与长短期记忆网络的摔倒检测方法,其特征在于,包括以下步骤:步骤S1:输入图像信号和/或视频信号,同时将上述图像信号和/或视频信号切分为图片帧和与该图片帧在时序上连续的前后帧;步骤S2:通过深度卷积神经网络模型提取步骤S1中的图片帧和前后帧的图像特征;步骤S3:通过长短期记忆网络模型将步骤S2中提取的图像特征转化为与摔倒行为相关的特征;步骤S4:通过滑动窗口方法与长短期记忆网络模型相互配合以提取与摔倒行为相关的时间顺序信息。2.根据权利要求1所述的基于深度卷积神经网络与长短期记忆网络的摔倒检测方法,其特征在于,在步骤S2中,上述深度卷积神经网络模型采用Inception-ResNet-v2模型。3.根据权利要求1所述的基于深度卷积神经网络与长短期记忆网络的摔倒检测方法,其特征在于,在步骤S2中,上述深度卷积神经网络模型经过ILSVRC图像集预训练...
【专利技术属性】
技术研发人员:钟博煊,许淞斐,周礼,
申请(专利权)人:浙江深眸科技有限公司,
类型:发明
国别省市:浙江,33
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。