跌倒检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种跌倒检测方法、装置、设备及存储介质，其中，跌倒检测方法包括：获取目标区域的视频图像，并提取视频图像中含有目标人体的人体图像集；对人体图像集进行状态特征检测，以获得人体图像集中各个人体图像的图像状态特征；其中，图像状态特征包括宽高比、质心距离和高度变化率；基于图像状态特征，从人体图像集中筛选出待检测的目标人体图像；基于预设的跌倒检测模型，对目标人体图像进行跌倒检测，获得跌倒检测结果。本发明专利技术公开的跌倒检测方法可解决现有跌倒检测方式检测精度较差，容易出现误判的技术问题。易出现误判的技术问题。易出现误判的技术问题。

【技术实现步骤摘要】
跌倒检测方法、装置、设备及存储介质


[0001]本专利技术属于安防监控
，具体涉及一种跌倒检测方法、装置、设备及存储介质。

技术介绍

[0002]随着老龄化社会到来，中青年人员外出务工，如果老人在家发生跌倒等异常行为时，如若不能及时获得有效帮助或者及时告知家人，将会导致严重后果。因此，关于跌倒检测的研究越来越引起人们的关注。
[0003]现有的老人看护系统有基于多传感器的，有基于声学的，这些跌倒检测方式虽然算法简单，但是检测精度较差，实际应用中容易出现误判。

技术实现思路

[0004]本专利技术的主要目的在于提供一种跌倒检测方法、装置、设备及存储介质，旨在解决现有跌倒检测方式检测精度较差，容易出现误判的技术问题。
[0005]本专利技术为达到其目的，所采用的技术方案如下：
[0006]一种跌倒检测方法，所述跌倒检测方法包括以下步骤：
[0007]获取目标区域的视频图像，并提取所述视频图像中含有目标人体的人体图像集；
[0008]对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征；其中，所述图像状态特征包括宽高比、质心距离和高度变化率；
[0009]基于所述图像状态特征，从所述人体图像集中筛选出待检测的目标人体图像；
[0010]基于预设的跌倒检测模型，对所述目标人体图像进行跌倒检测，获得跌倒检测结果。
[0011]进一步地，所述提取所述视频图像中含有目标人体的人体图像集的步骤，包括：
[0012]通过预设的背景差分法获取所述视频图像中含有运动物体的运动物体图像集；
[0013]通过预设的DPM算法从所述运动物体图像集中筛选出含有目标人体的所述人体图像集。
[0014]进一步地，当所述图像状态特征包括所述质心距离时，所述对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征的步骤，包括：
[0015]提取所述人体图像集中各个所述人体图像的质心点坐标和底边端点坐标；
[0016]基于提取到的所述质心点坐标和所述底边端点坐标，通过预设的质心距离计算公式计算出所述人体图像集中各个所述人体图像的所述质心距离；其中，所述质心距离h是指在矩形的所述人体图像中，质心点O(x0,y0)到两个底边端点A(x1,y1)和B(x2,y2)之间的连线AB的距离；所述质心距离计算公式为：
[0017][0018]进一步地，当所述图像状态特征包括所述高度变化率时，所述对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征的步骤，包括：
[0019]通过预设的高度变化率计算公式计算出所述人体图像集中各个人体图像的所述高度变化率；其中，所述高度变化率计算公式为：
[0020][0021]式中，height为矩形的所述人体图像中目标人体的实时高度，heightavg为所述人体图像集中目标人体的平均高度。
[0022]进一步地，所述基于所述图像状态特征，从所述人体图像集中筛选出待检测的目标人体图像的步骤，包括：
[0023]判断所述人体图像集中各个所述人体图像的所述宽高比是否大于第一预设阈值、所述质心距离是否小于第二预设阈值以及所述高度变化率是否小于第三预设阈值；
[0024]若所述人体图像的所述宽高比大于第一预设阈值且所述质心距离小于第二预设阈值，或者，所述宽高比大于第一预设阈值且所述高度变化率小于第三预设阈值，或者，所述质心距离小于第二预设阈值且所述高度变化率小于第三预设阈值，则将所述人体图像确定为所述目标人体图像。
[0025]进一步地，所述基于预设的跌倒检测模型，对所述目标人体图像进行跌倒检测，获得跌倒检测结果的步骤之前，还包括：
[0026]获取带有标签的训练样本数据，其中，所述训练样本数据包括跌倒样本图像和非跌倒样本图像，所述跌倒样本图像的标签为“1”，所述非跌倒样本图像的标签为“0”；
[0027]构建卷积神经网络模型，其中，所述卷积神经网络模型包括卷积层、池化层、全连接层和Softmax层；
[0028]将所述训练样本数据输入所述卷积神经网络模型进行训练，并通过随机梯度下降法优化所述卷积神经网络的模型参数，得到训练完成的所述跌倒检测模型。
[0029]进一步地，所述跌倒检测结果包括跌倒行为事件和正常行为事件；所述基于预设的跌倒检测模型，对所述目标人体图像进行跌倒检测，获得跌倒检测结果的步骤之后，还包括
[0030]当所述跌倒检测结果为跌倒行为事件时，发出预警信息。
[0031]对应地，本专利技术还提出一种跌倒检测装置，所述跌倒检测装置包括：
[0032]提取模块，用于获取目标区域的视频图像，并提取所述视频图像中含有目标人体的人体图像集；
[0033]特征检测模块，用于对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征；其中，所述图像状态特征包括宽高比、质心距离和高度变化率；
[0034]筛选模块，用于基于所述图像状态特征，从所述人体图像集中筛选出待检测的目标人体图像；
[0035]跌倒检测模块，用于基于预设的跌倒检测模型，对所述目标人体图像进行跌倒检测，获得跌倒检测结果。
[0036]对应地，本专利技术还提出一种跌倒检测设备，所述跌倒检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的跌倒检测程序，所述跌倒检测程序配置为实现前述的跌倒检测方法的步骤。
[0037]对应地，本专利技术还提出一种存储介质，所述存储介质上存储有跌倒检测程序，所述跌倒检测程序被处理器执行时实现前述的跌倒检测方法的步骤。
[0038]与现有技术相比，本专利技术的有益效果是：
[0039]本专利技术提出的跌倒检测方法，通过获取目标区域的视频图像，并提取视频图像中含有目标人体的人体图像集；然后对人体图像集进行状态特征检测，获得人体图像集中各个人体图像的图像状态特征；其中，图像状态特征包括宽高比、质心距离和高度变化率；接着基于图像状态特征，从人体图像集中筛选出待检测的目标人体图像；最后基于预设的跌倒检测模型，对目标人体图像进行跌倒检测；如此，通过采用将多种反映人体活动状态的图像状态特征进行有机融合的方式先筛选出疑似存在跌倒行为的目标人体图像，然后再通过跌倒检测模型对疑似存在跌倒行为的目标人体图像进行跌倒检测，从而不仅提高了人体跌倒检测的准确性，而且由于在通过跌倒检测模型进行跌倒检测时，既无需对视频图像中每一帧图像进行检测，也无需对含有目标人体的所有人体图像进行检测，而只需对筛选出来的疑似存在跌倒行为的目标人体图像进行检测，因此可大大降低处理器的运算压力，从而可提高人体跌倒检测的效率。
附图说明
[0040]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跌倒检测方法，其特征在于，所述跌倒检测方法包括以下步骤：获取目标区域的视频图像，并提取所述视频图像中含有目标人体的人体图像集；对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征；其中，所述图像状态特征包括宽高比、质心距离和高度变化率；基于所述图像状态特征，从所述人体图像集中筛选出待检测的目标人体图像；基于预设的跌倒检测模型，对所述目标人体图像进行跌倒检测，获得跌倒检测结果。2.根据权利要求1所述的跌倒检测方法，其特征在于，所述提取所述视频图像中含有目标人体的人体图像集的步骤，包括：通过预设的背景差分法获取所述视频图像中含有运动物体的运动物体图像集；通过预设的DPM算法从所述运动物体图像集中筛选出含有目标人体的所述人体图像集。3.根据权利要求1所述的跌倒检测方法，其特征在于，当所述图像状态特征包括所述质心距离时，所述对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征的步骤，包括：提取所述人体图像集中各个所述人体图像的质心点坐标和底边端点坐标；基于提取到的所述质心点坐标和所述底边端点坐标，通过预设的质心距离计算公式计算出所述人体图像集中各个所述人体图像的所述质心距离；其中，所述质心距离h是指在矩形的所述人体图像中，质心点O(x0,y0)到两个底边端点A(x1,y1)和B(x2,y2)之间的连线AB的距离；所述质心距离计算公式为：4.根据权利要求1所述的跌倒检测方法，其特征在于，当所述图像状态特征包括所述高度变化率时，所述对所述人体图像集进行状态特征检测，以获得所述人体图像集中各个人体图像的图像状态特征的步骤，包括：通过预设的高度变化率计算公式计算出所述人体图像集中各个人体图像的所述高度变化率；其中，所述高度变化率计算公式为：式中，height为矩形的所述人体图像中目标人体的实时高度，heightavg为所述人体图像集中目标人体的平均高度。5.根据权利要求1所述的跌倒检测方法，其特征在于，所述基于所述图像状态特征，从所述人体图像集中筛选出待检测的目标人体图像的步骤，包括：判断所述人体图像集中各个所述人体图像的所述宽高比是否大于第一预设阈值、所述质心距离是否小于第二预设阈值以及所述高度变化率...

【专利技术属性】
技术研发人员：孙爽，
申请(专利权)人：南京创维信息技术研究院有限公司，
类型：发明
国别省市：