一种基于改进Alphapose的红外图像摔倒检测方法技术

本发明专利技术公开了一种基于改进Alphapose的红外图像摔倒检测方法，包括：采集红外视频帧作为输入；对所述红外视频帧进行数据预处理，并通过人体检测深度网络输出关键点信息和姿态类别；以前一帧中人体目标框的高度作为参考对象，计算髋关节关键点的相对移动速度和人体宽高比的变换，与关键点信息和所述姿态类别进行对比，输出摔倒判断信号；接收到摔倒判断信号后，结合姿态分类，继续检测后续帧内的人体姿态，输出摔倒判断结果。本发明专利技术采用基于改进Alphapose的红外图像摔倒检测方法，利用得到的人体骨架关键点信息和姿态类别进行摔倒判定，兼顾了摔倒动作的时序性和前后动作的关联性，提高了检测的准确度和实时性，进而降低了摔倒识别的误差。摔倒识别的误差。摔倒识别的误差。

【技术实现步骤摘要】
一种基于改进Alphapose的红外图像摔倒检测方法


[0001]本专利技术涉及人体行为识别
，主要涉及一种基于改进Alphapose的红外图像摔倒检测方法。

技术介绍

[0002]人体摔倒检测可以有效地检测视频中的摔倒行为，降低人在摔倒后无法及时呼救的风险。传统的基于计算机视觉的人体摔倒检测方法大多使用可见光图像，这类方法受光照影响在昏暗环境下效果不佳。现有的摔倒检测方法大致可以分为三类：(1)基于Freeman链码的检测方法；(2)基于关键点的检测方法；(3)基于宽高比和质心变化率的检测方法。这些方法没有充分考虑人体在摔倒过程中的姿态变化规律，容易对类摔倒动作造成误检，兼顾摔倒动作的时序性和前后动作的关联性是提高准确度的难点。
[0003]针对上述问题，急需在原有的摔倒检测技术上进行改进。

技术实现思路

[0004]1、专利技术目的
[0005]本专利技术提供一种基于改进Alphapose的红外图像摔倒检测方法，用以解决上述
技术介绍
中提出的目前现有摔倒检测方法无法考虑到人体在摔倒过程中的姿态变化规律，容本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Alphapose的红外图像摔倒检测方法，其特征在于，包括：信号采集，采集红外视频帧作为输入，输入人体目标红外图像；生成关键点位置信息和姿态类别，使用yolov5s人体目标检测网络检测所述人体目标红外图像，并与姿态分类库比对完成对人体姿态的分类生成所述姿态类别，再将得出的所述人体目标红外图像输入关键点检测网络得到骨架的关键点位置信息；关键点分析，以前一帧中人体目标框的高度作为参考对象，计算髋关节关键点的相对移动速度和人体宽高比的变换，与所述关键点位置信息和所述姿态类别进行对比，输出摔倒判断信号。摔倒判定，接收到所述摔倒判断信号后，结合所述姿态分类，继续检测后续帧内的人体姿态，输出摔倒判断结果。2.根据权利要求1所述的一种基于改进Alphapose的红外图像摔倒检测方法，其特征在于：所述姿态分类库生成方法包括：获取图像，通过红外摄像头采集人体图像；标注训练样本，预定义姿态类别，使用标注工具，在红外图像中框选人体位置，对每个人体的姿态类别进行标注，生成相应的xml文件；数据预处理，采用了Mosaic数据增强的方式；生成深度训练模型，使用Yolov5s作为Alphapose的人体检测深度网络，训练人体检测模型，生成所述姿态分类库，在提取人体目标区域框输入所述关键点检测网络预测关键点位置的同时，完成对人体姿态的分类。3.根据权利要求2所述的一种基于改进Alphapose的红外图像摔倒检测方法，其特征在于：所述Mosaic数据增强的方式为通过每次随机抽取数据集中的四张图片，采用随机裁剪、随机缩放、随机组合的方式生成一张新的训练图片。4.根据权利要求2所述的一种基于改进Alphapose的红外图像摔倒检测方法，其特征在于：Yolov5s网络完成对人体姿态的直接分类，同时从输入的所述人体目标红外图像的人体区域框，输入所述关键点检测网络检测人体骨架关键点，将所述关键点位置信息与预测的所述姿态类别一并输出。5.根据权利要求1所述的一种基于改进Alphapose的红外图像摔倒检测方法，其特征在于：所述人体宽高比的获取方法为：设第i帧与第i
‑
1帧均为单人红外图像，2≤i≤N,N表示红外视频的总帧数，检出髋关节关键点a个；将图像左上角定为原点，水平向右为X轴正方向，垂直向下为Y轴正方向，建立...

【专利技术属性】
技术研发人员：张鹏，张骏，沈玉真，李培华，张恺翔，孙瑞，
申请(专利权)人：中航华东光电有限公司，
类型：发明
国别省市：