基于人工智能和视频分析的智慧养老危险预测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能和视频分析的智慧养老危险预测方法及系统。该方法构建模拟危险动作模型；采集老人的实时动作视频，将实时动作视频中的动作信息与模拟危险动作模型中的模拟动作信息进行匹配，根据匹配结果进行危险预警。通过强化学习模拟老人与场景信息交互过程中的各种预测情况，将实时老人的行动状态与模拟行动状态进行匹配，根据匹配结果进行危险预警，提高了安全监控系统的智能化程度。高了安全监控系统的智能化程度。高了安全监控系统的智能化程度。

【技术实现步骤摘要】
基于人工智能和视频分析的智慧养老危险预测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能和视频分析的智慧养老危险预测方法及系统。

技术介绍

[0002]随着老年化的加重和“银发经济”的兴起，国家大力支持养老行业的背景下，智慧养老行业迎来发展的良好时期。现有技术中，智慧养老的监护设备主要为智能轮椅、监护床等利用监测数据对老人的身体状况进行监控。
[0003]本领域的技术人员发现现有技术存在以下技术问题：仅通过检测设备对老人进行健康安全监测，会受到设备异常、设备数据错误和设备灵敏度的限制，最终导致监测结果不准确，无法及时采取相应的措施。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能和视频分析的智慧养老危险预测方法及系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于人工智能和视频分析的智慧养老危险预测方法，该方法包括：
[0006]构建模拟危险动作模型；所述模拟危险动作模型是指对老人在行走至发生危险的过程中，结合所有动作及周围环境进行的场景模拟；
[0007]采集老人的实时动作视频，将所述实时动作视频中的动作信息与所述模拟危险动作模型中的模拟动作信息进行匹配，根据匹配结果进行危险预警。
[0008]进一步地，所述模拟危险动作模型的构建方法，包括：
[0009]根据老人的动作信息获取每个行走状态下不同动作对应的注意力显著区域，对检测注意力显著区域进行目标检测得到总目标数量；
[0010]将总目标数量作为相邻行走状态之间对应动作的预测权重，同时设定该动作的预测权重调节系数；
[0011]利用强化学习模拟老人在时间序列内的各种行动状态，且在学习强化过程通过反馈调节每种行动状态下各行走状态之间的预测权重调节系数得到所述模拟危险动作模型。
[0012]进一步地，所述预测权重调节系数的反馈调节方法，包括：
[0013]通过老人出现危险的历史数据获取各个动作下的危险概率；
[0014]基于发生危险的终止行走状态，获取初始行走状态至其上一个行走状态之间所有动作对应注意力显著区域中的目标数量之和，根据所述目标数量之和构建目标数量的影响函数；
[0015]根据被反馈调节对应的行走状态至终止行为状态之间的行走状态数量，获取其被反馈调节的学习率；
[0016]获取所述影响函数、学习率、动作的所述危险概率和强化学习过程中的梯度值之
间的乘积，结合所述乘积和设定的预测权重调节系数获取对应被反馈调节行走状态下对应动作的更新后的预测权重调节系数。
[0017]进一步地，所述注意力显著区域的获取方法，包括：
[0018]将动作对应的人体头部旋转角度和老人的位置输入注意力区域判断网络，输出周围环境中该动作所对应的注意力显著区域。
[0019]进一步地，所述注意力区域判断网络的训练过程为：
[0020]通过改变摄像头的角度和焦距获取多个区域图像，将这些区域图像作为标注图像；
[0021]获取老人行走各个位置时头部旋转角度在周围环境中所对应的注意力显著区域图像；
[0022]根据所述标注图像和所述注意力显著区域图像之间对应特征向量的余弦相似度构建所述注意力区域判断网络的损失函数。
[0023]进一步地，所述设定的预测权重调节系数为1。
[0024]进一步地，所述根据匹配结果进行危险预警的方法，包括：
[0025]根据所述实时动作视频中老人的行动状态与所述模拟危险动作模型中的各种模拟行动状态进行匹配，获取行为状态下对应动作的相匹配数量，利用所述模拟危险动作模型中当前模拟行动状态下不同模拟行为状态之间对应模拟动作的总数量与相匹配数量之间的比值进行危险预警，当比值大于危险预警阈值时，则提前发生预警信息。
[0026]进一步地，所述乘积与所述更新后的预测权重调节系数呈正相关关系、所述设定的预测权重调节系数与所述更新后的预测权重调节系数呈正相关关系。
[0027]进一步地，一种基于人工智能和视频分析的智慧养老危险预测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
[0028]本专利技术实施例至少具有如下有益效果：通过强化学习模拟老人与场景信息交互过程中的各种预测情况，将实时老人的行动状态与模拟行动状态进行匹配，根据匹配结果进行危险预警，提高了安全监控系统的智能化程度。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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下，还可以根据这些附图获得其它附图。
[0030]图1为本专利技术一个实施例提供的一种基于人工智能和视频分析的智慧养老危险预测方法的步骤流程图。
具体实施方式
[0031]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能和视频分析的智慧养老危险预测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不
同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0032]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0033]下面结合附图具体的说明本专利技术所提供的一种基于人工智能和视频分析的智慧养老危险预测方法及系统的具体方案。
[0034]本专利技术实施例所针对的具体场景为：养老院老人安全监控场景，监控摄像头为带红外摄像头，能够采集到室内全景图像，监控摄像头位置位于老人房间的角落，不考虑摄像头运动模糊，不考虑光源的影响。
[0035]请参阅图1，其示出了本专利技术一个实施例提供的一种基于人工智能和视频分析的智慧养老危险预测方法的步骤流程图，该方法包括以下步骤：
[0036]步骤S001，构建模拟危险动作模型；模拟危险动作模型是指对老人在行走至发生危险的过程中，结合所有动作及周围环境进行的场景模拟。
[0037]具体的，首先，根据老人的动作信息来对每个行走状态下的注意力区域进行选取，其中，每个行走状态是指每个行走动作，令S
t
表示第t个行走状态。根据当前行走状态下老人的其他部位的动作，获取当前行走状态下的注意力显著区域。
[0038]注意力显著区域的获取方法：在一个行走状态到下一个行走状态过程中，老人可能存在多种其他部位的动作，例如：转头、伸手取物、借力等，进而将可能存在的多种其他动作分别定义为：a1,a2,
…
,a
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和视频分析的智慧养老危险预测方法，其特征在于，该方法包括：构建模拟危险动作模型；所述模拟危险动作模型是指对老人在行走至发生危险的过程中，结合所有动作及周围环境进行的场景模拟；采集老人的实时动作视频，将所述实时动作视频中的动作信息与所述模拟危险动作模型中的模拟动作信息进行匹配，根据匹配结果进行危险预警。2.如权利要求1所述的方法，其特征在于，所述模拟危险动作模型的构建方法，包括：根据老人的动作信息获取每个行走状态下不同动作对应的注意力显著区域，对检测注意力显著区域进行目标检测得到总目标数量；将总目标数量作为相邻行走状态之间对应动作的预测权重，同时设定该动作的预测权重调节系数；利用强化学习模拟老人在时间序列内的各种行动状态，且在学习强化过程通过反馈调节每种行动状态下各行走状态之间的预测权重调节系数得到所述模拟危险动作模型。3.如权利要求2所述的方法，其特征在于，所述预测权重调节系数的反馈调节方法，包括：通过老人出现危险的历史数据获取各个动作下的危险概率；基于发生危险的终止行走状态，获取初始行走状态至其上一个行走状态之间所有动作对应注意力显著区域中的目标数量之和，根据所述目标数量之和构建目标数量的影响函数；根据被反馈调节对应的行走状态至终止行为状态之间的行走状态数量，获取其被反馈调节的学习率；获取所述影响函数、学习率、动作的所述危险概率和强化学习过程中的梯度值之间的乘积，结合所述乘积和设定的预测权重调节系数获取对应被反馈调节行走状态下对应动作的更新后的预测权重调节系数。4.如权利要求2所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：程军强，陈明，彭伟伟，于灏，杨参，李俊龙，张胜利，尹国龙，陈新，罗东，雷光辉，田文华，张强，李中亚，宋政帅，
申请(专利权)人：欧亚高科数字技术有限公司，
类型：发明
国别省市：