【技术实现步骤摘要】
一种基于图卷积神经网络的视角自适应多目标摔倒检测方法
本专利技术涉及动作识别摔倒检测
，更具体地，涉及一种基于图卷积神经网络的视角自适应多目标摔倒检测方法。
技术介绍
针对老年群体的跌倒检测，目前主要利用视频流图像数据、佩戴式的陀螺仪传感器数据、地板传感器数据或者是骨骼数据等等进行检测摔倒。其中，基于佩戴式传感器的摔倒检测方法是让老人在腰部、手腕等地方穿戴陀螺仪、压力传感器等组成的装置，不仅使老人行动不便，而且识别准确率较低。而在基于计算机视觉分析的摔倒检测方法中，智能视频监控与传统视频监控有本质区别，智能视频监控不需要人工实时观察，而是通过计算机智能识别视频中发生的事件，具体做法是通过摄像头实时获得视频流数据，对视频中的人物进行检测、跟踪，在提取了一系列必要的特征后由某种方法判断人物的行为，从而达到智能监控的效果；因此在老人摔倒检测的问题中应用智能监控技术，对比穿戴式的设备，可以在完全不干扰老人的日常生活下，实时捕获摔倒行为并通知救护人员。如公开号为CN110738154A(公开日：2020-01-31)公开...
【技术保护点】
1.一种基于图卷积神经网络的视角自适应多目标摔倒检测方法，其特征在于，包括以下步骤：/n采用目标检测算法检测训练视频源中每一帧图像的人物，采用姿态估计算法提取训练视频源中每一帧图像的关键骨骼点数据，根据所提取的关键骨骼点数据作为训练集并进行预处理；/n将预处理后的训练集输入视角自适应子网络中进行训练及视角调整，并根据视角调整后的关键骨骼点数据计算样本运动数据，将视角调整后的训练集和所述样本运动数据输入图卷积摔倒识别主网络中进行训练；/n采用目标检测算法检测目标视频源中每一帧图像的人物目标，采用姿态估计算法提取每一帧图像中人物目标的关键骨骼点数据，当连续检测到同一人物目标的帧...
【技术特征摘要】
1.一种基于图卷积神经网络的视角自适应多目标摔倒检测方法，其特征在于，包括以下步骤：
采用目标检测算法检测训练视频源中每一帧图像的人物，采用姿态估计算法提取训练视频源中每一帧图像的关键骨骼点数据，根据所提取的关键骨骼点数据作为训练集并进行预处理；
将预处理后的训练集输入视角自适应子网络中进行训练及视角调整，并根据视角调整后的关键骨骼点数据计算样本运动数据，将视角调整后的训练集和所述样本运动数据输入图卷积摔倒识别主网络中进行训练；
采用目标检测算法检测目标视频源中每一帧图像的人物目标，采用姿态估计算法提取每一帧图像中人物目标的关键骨骼点数据，当连续检测到同一人物目标的帧数大于预设的检测阈值时，将所提取的关键骨骼点数据输入完成训练的视角自适应子网络中，得到视角调整参数；
根据所述视角调整参数对所述关键骨骼点数据进行视角调整，再根据视角调整后的关键骨骼点数据计算运动数据，将所述视角调整后的关键骨骼点数据和所述运动数据输入完成训练的图卷积摔倒识别主网络进行摔倒检测，输出检测结果标签。
2.根据权利要求1所述的视角自适应多目标摔倒检测方法，其特征在于，对训练集进行预处理的步骤包括：对单帧图像的关键骨骼点数据逐一进行归一化处理，再对所有关键骨骼点数据进行平均归一化处理；对训练视频源中每一帧图像进行动作识别并标注标签，对所述标签进行平滑化处理；根据所述标签确定训练视频源中的动作衔接帧，以所述动作衔接帧作为交界取前8帧图像及后8帧图像进行前一动作递减以及后一动作递增处理，再乘以对应图像帧中所有关键骨骼点数据的平均值。
3.根据权利要求2所述的视角自适应多目标摔倒检测方法，其特征在于，所述关键骨骼点数据包括：鼻节点、左肩部节点、右肩部节点、左肘部节点、右肘部节点、左手腕节点、右手腕节点、左胯部节点、右胯部节点、左膝盖节点、右膝盖节点、左脚踝节点、右脚踝节点、胸节点，其中，胸节点利用左肩部节点和右肩部节点进行构建。
4.根据权利要求3所述的视角自适应多目标摔倒检测方法，其特征在于，采用目标检测算法检测视频源中每一帧图像的人物的步骤包括：
采用YOLOv5目标检测算法逐帧捕捉视频源中的人物；
若当前图像中检测到人物，采用姿态估计算法提取当前图像的关键骨骼点数据；
若当前图像中没有检测到人物，采用YOLOv3目标检测算法捕捉当前图像帧的人物，若当前图像中检测到人物，采用姿态估计算法提取当前图像的关键骨...
【专利技术属性】
技术研发人员：曾碧，陈文轩，刘建圻，
申请(专利权)人：广东工业大学，
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。