一种基于视频监控的全天无陪护病房患者跌倒检测方法技术

一种基于视频监控的全天无陪护病房患者跌倒检测方法，涉及深度学习和智能监控技术领域，为了解决现有技术存在的患者跌倒检测误报率高的问题，该方法：视频图像预处理；标定病床边界框；检测人体关键点；提取人体跌倒特征；判断人体是否跌倒：将标准化后的18个人体关键点坐标，人体部分关键点外接矩形的纵横比，人体部分关键点外接矩形与病床边界框的交并比，作为患者日常活动的特征向量，并利用随机森林算法实现患者跌倒检测；检测到跌倒的图片发送到医护人员手机端并发出警报，医护人员通过观察图片可以进一步判断是否是误报情况。该方法不仅具有实时性强、成本低、泛化能力强、准确度高的特点，也不会影响患者的正常的生活。也不会影响患者的正常的生活。也不会影响患者的正常的生活。

【技术实现步骤摘要】
一种基于视频监控的全天无陪护病房患者跌倒检测方法


[0001]本专利技术涉及深度学习和智能监控
，具体为一种基于深度学习卷积神经网络的视频监控患者跌倒检测方法。

技术介绍

[0002]跌倒意外是医院常见的不良事件之一、约占医院不良事件的40％，是非致死性损伤和伤害死亡的主要原因。跌倒意外位于住院护理不良事件的前3位，是病房安全管理的重要问题，需要第一时间发现并处理。
[0003]患者跌倒是病房安全管理的重要问题，需引起医疗护理管理者的高度重视，患者跌倒后的及时报警已经受到相关学者的广泛关注，成为一项重要的临床课题。目前，国内大多数医院内的无陪护病房(例如：造血干细胞无菌层流病房；病情相对稳定的患者病房)存在医护人员相对不足的情况，医护不能对患者进行实时有效的观察与护理。即使在有陪病房内，对一些少人陪护的患者也极有可能出现跌倒意外引发的危急情况；加之病理原因导致患者突然晕倒的情况发生时，患者往往处于无法自主呼救的情形，极有可能会出现患者因救治不及时而死亡的极端情况。因此许多医院中，已有大部分病房配备视频监控设备。虽然在医院的患者房间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频监控的全天无陪护病房患者跌倒检测方法，其特征是，该方法包括以下步骤：步骤1，视频图像预处理：基于日间RGB摄像机或夜间热红外摄像机对预定区域进行图像采集，获得图片帧；步骤2，标定病床边界框：使用YOLOv5s目标检测网络预先标定病床的边界框坐标；自定义病床目标检测数据集，并基于YOLOv5s进行训练，实现病床目标边界框检测，若不对病床进行移动，只需检测到病床的位置后即可停止，否则，需要重新检测；步骤3，检测人体关键点：基于日间RGB摄像或夜间热红外摄像，利用相对应的日间或夜间人体关键点检测网络，检测图像中18个人体关键点坐标；步骤4，提取人体跌倒特征：对检测到的18个关键点坐标进行标准化处理，计算人体部分关键点边界框的纵横比，人体部分关键边界框与病床边界框的交并比IOU；步骤5，判断人体是否跌倒：将标准化后的18个人体关键点坐标，人体部分关键点外接矩形的纵横比，人体部分关键点外接矩形与病床边界框的交并比，作为患者日常活动的特征向量，并利用随机森林算法实现患者跌倒检测；步骤6：将检测到跌倒的图片发送到医护人员手机端并发出警报，医护人员通过观察图片可以进一步判断是否是误报情况。2.根据权利要求1所述的一种基于视频监控的全天无陪护病房患者跌倒检测方法，其特征在于，所述步骤3的具体流程为：在RGB模式下，基于COCO数据集，训练OpenPose关键点网络检测人体关键点；在热红外模式下，采集夜间人体姿态图片，并进行人体关键点标注，基于自定义夜间人体姿态数据集训练夜间OpenPose人体姿态识别网络；3.根据权利要求1所述的一种基于视频监控的全天无陪护病房患者跌倒检测方法，其特征在于，步骤4的具体流程为：S1，利用检测到的18个人体关键点，生成人体边界框，基于人体边界框对关键点坐标进行标准化，消除了图片中不同位置和身形大小对关键点表示人体姿态的影响，标准化公式如下：标准化后的关键点横坐标：标准化后关键点的纵坐标：其中X
N
，Y
N
是标准化后的关键点的坐标，w，h是自定义标准化后...

【专利技术属性】
技术研发人员：刘晓亮，高素君，赵欣，王京华，汤发源，曲从程，赵永兴，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：