一种基于深度学习3D姿态评估的跌倒检测方法技术

本发明专利技术公开一种基于深度学习3D姿态评估的跌倒检测方法，包括如下步骤：通过双目摄像机实时采集目标人物的双目摄像机左右图像；调用预先训练的人体骨骼关键点检测模型检测出双目摄像机左右图像中的2D人体骨骼关键点；基于双目摄像机的参数和双目摄像机左右图像中的2D人体骨骼关键点构建人物的3D人体骨架，并根据预设规则，判断人物是否发生跌倒。本发明专利技术将双目立体视觉与深度学习结合进行做人体骨骼关键点检测，实时抽取了场景中人物的3D人体骨架，基于3D人体骨架进行高效的、准确的跌倒检测，且使用便捷、使用成本低。

【技术实现步骤摘要】
一种基于深度学习3D姿态评估的跌倒检测方法
本专利技术涉及计算机
，尤其涉及一种基于深度学习3D姿态评估的跌倒检测方法。
技术介绍
我国正快速进入老龄化社会，老年人口数量众多，老年人由于身体各种功能衰退，患病以及服药都有可能引起跌倒。由于社会经济的发展和家庭结构的变化，独居空巢的老年人家庭正在急剧的增多，很多跌倒经常发生在生活居住的室内，如起床站立、上厕所、洗澡等，只有少数跌倒是发生在有危险的活动中，如爬梯子、搬重物等。发生跌倒如果不能及时的进行救助，就会引起严重的后果甚至死亡。检测室内人体在移动时发生的跌倒行为，目前的主要方法基本分为两类：1、利用单目(单个摄像头)的深度学习的人体骨骼关键点检测，可以产生2D人体骨架(humanskeleton)，进而评估人体的姿态或识别动作、检测跌倒等，但是2D人体骨架缺乏深度信息(距离信息)，动作识别会产生歧义，对跌倒的检测也不够准确，尤其对假跌倒动作不能很好识别；2、利用可穿戴传感装置，通过传感器感知人体在三维空间的多个方向的速度或者加速度做跌倒判断，这种方式在室内使用尽管设置和操作简单，但是携带本文档来自技高网...

【技术保护点】
1.一种基于深度学习3D姿态评估的跌倒检测方法，其特征在于，包括如下步骤：/n通过双目摄像机实时采集目标人物的双目摄像机左右图像；/n调用预先训练的人体骨骼关键点检测模型检测出双目摄像机左右图像中的2D人体骨骼关键点；/n基于双目摄像机的参数和双目摄像机左右图像中的2D人体骨骼关键点构建人物的3D人体骨架，并根据预设规则，判断人物是否发生跌倒。/n

【技术特征摘要】
1.一种基于深度学习3D姿态评估的跌倒检测方法，其特征在于，包括如下步骤：
通过双目摄像机实时采集目标人物的双目摄像机左右图像；
调用预先训练的人体骨骼关键点检测模型检测出双目摄像机左右图像中的2D人体骨骼关键点；
基于双目摄像机的参数和双目摄像机左右图像中的2D人体骨骼关键点构建人物的3D人体骨架，并根据预设规则，判断人物是否发生跌倒。


2.根据权利要求1所述的一种基于深度学习3D姿态评估的跌倒检测方法，其特征在于，还包括如下步骤：
基于Gstreamer构建取流插件、H264帧解析插件、硬件解码插件、AI推理插件插件、跌倒判断插件，和每个插件独立应用的管道；
所述取流插件用于调用双目摄像机拍摄的视频流；
所述H264帧解析插件和硬件解码插件用于对视频流进行解析、解码处理，获取双目摄像机左右图像；
所述AI推理插件用于调用预先训练的人体骨骼关键点检测模型检测出双目摄像机左右图像中的2D人体骨骼关键点；
所述跌倒判断插件通过双目摄像机的参数和双目摄像机左右图像中的2D人体骨骼关键点构建人物的3D人体骨架，并根据预设规则，判断人物是否发生跌倒。


3.根据权利要求1或2所述的一种基于深度学习3D姿态评估的跌倒检测方法，其特征在于，所述人体骨骼关键点检测模型利用TensorRT进行优化重构。


4.根据权...

【专利技术属性】
技术研发人员：刘镇硕，方倩，
申请(专利权)人：上海泗科智能科技有限公司，
类型：发明
国别省市：上海;31