人体摔倒行为评估方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种人体摔倒行为评估方法、装置、计算机设备及存储介质，属于人工智能技术领域。本申请通过行为分类模型对待识别视频进行人体行为识别，以确定是否存在摔倒动作，当存在摔倒动作时，截取摔倒动作发生前后的视频片段，对视频片段进行特征识别，得到视频片段中摔倒对象的身份特征、微表情特征、行为特征和声音特征，分别各个特征权重，基于并基于各个特征权重对特征进行组合，将特征权重组合输入到摔倒程度预测模型，得到摔倒程度评估结果。此外，本申请还涉及区块链技术，待识别视频可存储于区块链中。本申请能够根据摔倒对象的身份特征、微表情特征、行为特征和声音特征完成摔倒严重程度分析，减小误判几率，提高分析效率和准确性。效率和准确性。效率和准确性。

【技术实现步骤摘要】
人体摔倒行为评估方法、装置、计算机设备及存储介质


[0001]本申请属于人工智能
，具体涉及一种一种人体摔倒行为评估方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着社会老龄化的加剧，以及越来越多的年轻人外出打工，独居老人的比例越来越高。随着年龄的增长，老年人的身体机能不断下降，摔倒已成为老年人受到伤害和死亡的最大诱因。如果老人在摔倒后能够得到及时医疗救助，可有效降低意外伤亡风险。因此，消费者对于摔倒行为检测设备的需求也在迅速增加。
[0003]目前，已经存在的摔倒行为检测方案主要包含两大类，一类是通过穿戴可穿戴设备，通过可穿戴设备对人体的姿态进行监测，从而判断佩戴者是否出现摔倒动作，但是，这种方式需要佩戴者长期佩带可穿戴设备，舒适感较差，且不方便用户的日常活动。另一类是通过即时监控设备进行实时监控的摔倒行为检测，通过对监控画面进行分析以确定是否存在摔倒行为，但是，目前的实时监控识别方法中会将监控画面中所有卧倒动作都识别为摔倒行为，如在床上躺下等，也即容易出现误判、准确性较低。

技术实现思路

[0004]本申请实施例的目的在于提出一种人体摔倒行为评估方法、装置、计算机设备及存储介质，以解决现有人体摔倒行为评估方案存在的将监控画面中所有卧倒动作都识别为摔倒行为，导致误判率较高，准确性较低技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种人体摔倒行为评估方法，采用了如下所述的技术方案：
[0006]一种人体摔倒行为评估方法，包括：
[0007]按照预设时长间隔实时采集待识别视频；
[0008]通过预先训练的行为分类模型对所述待识别视频进行人体行为识别，以确定所述待识别视频中是否存在摔倒动作；
[0009]若所述待识别视频中存在摔倒动作，则从所述待识别视频中截取所述摔倒动作发生前后预定时间间隔内的目标视频片段；
[0010]对所述目标视频片段进行特征识别，得到所述目标视频片段中摔倒对象的特征集合，其中所述特征集合包括身份特征、微表情特征、行为特征和声音特征；
[0011]基于预设的特征权重算法分别计算所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重；
[0012]基于所述特征权重对所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重进行组合，得到特征权重组合；
[0013]将所述特征权重组合输入到预先训练的摔倒程度预测模型，得到所述摔倒对象的摔倒程度评估结果。
[0014]进一步地，所述通过预先训练的行为分类模型对所述待识别视频进行人体行为识别，以确定所述待识别视频中是否存在摔倒动作的步骤，具体包括：
[0015]对所述待识别视频进行关键帧提取，得到所述待识别视频中的关键帧图像；
[0016]对所述关键帧图像中待检测对象进行关节点检测，得到所述待检测对象的关节点；
[0017]对检测到的所述关节点进行连线，得到所述待检测对象的关节点图像；
[0018]通过所述关节点图像判断所述待检测对象是否存在摔倒动作。
[0019]进一步地，所述对检测到的所述关节点进行连线，得到所述待检测对象的关节点图像的步骤，具体包括：
[0020]依次计算所述关节点之间的亲和力值，并判断所述亲和力值是否大于或等于预设阈值；
[0021]当所述亲和力值大于或等于预设阈值时，对所述关节点进行匹配连接；
[0022]当所有所述关节点均完成匹配连接后，得到所述待检测对象的关节点图像。
[0023]进一步地，所述对所述目标视频片段进行特征识别，得到所述目标视频片段中摔倒对象的特征集合的步骤，具体包括：
[0024]对所述目标视频片段内的摔倒对象进行身份特征识别，得到所述摔倒对象的身份特征；
[0025]对所述目标视频片段内的摔倒对象进行微表情特征识别，得到所述摔倒对象的微表情特征；
[0026]对所述目标视频片段内的摔倒对象进行行为特征识别，得到所述摔倒对象的行为特征；
[0027]对所述目标视频片段内的摔倒对象进行声音特征识别，得到所述摔倒对象的声音特征；
[0028]组合所述身份特征、所述微表情特征、所述行为特征和所述声音特征，得到所述摔倒对象的特征集合。
[0029]进一步地，基于预设的特征权重算法分别计算所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重的步骤，具体包括：
[0030]为所有所述子特征赋予相同的初始权重；
[0031]计算同一类别的子特征的特征相似度，得到第一相似度，以及计算不同类别的子特征的特征相似度，得到第二相似度；
[0032]基于所述第一相似度和所述第二相似度调整所述子特征的初始权重；
[0033]当所有所述子特征的初始权重均完成调整后，组合所述身份特征的子特征的权重值得到所述身份特征的特征权重，组合所述微表情特征的子特征的权重值得到所述微表情特征的特征权重，组合所述行为特征的子特征的权重值得到所述行为特征的特征权重，以及组合所述声音特征的子特征的权重值得到所述声音特征的特征权重。
[0034]进一步地，所述基于所述第一相似度和所述第二相似度调整所述子特征的初始权重的步骤，具体包括：
[0035]比对所述第一相似度和所述第二相似度；
[0036]当所述第一相似度大于或等于所述第二相似度时，按照预设的调整幅度上调所述
子特征的初始权重；
[0037]当所述第一相似度小于所述第二相似度时，按照预设的调整幅度下调所述子特征的初始权重。
[0038]进一步地，所述摔倒程度预测模型包括编码层和解码层，所述将所述特征权重组合输入到预先训练的摔倒程度预测模型，得到所述摔倒对象的摔倒程度评估结果的步骤，具体包括：
[0039]对所述特征组合进行特征向量转化，得到特征向量组合；
[0040]将所述特征向量组合导入所述编码层，对所述特征向量组合中的各个特征向量依次进行编码，得到编码向量组合；
[0041]对所述编码向量组合进行空间映射，并根据所述权重组合对空间映射后的所述编码向量进行特征重构，得到重构特征向量；
[0042]将所述重构特征向量导入所述解码层，对所述重构特征向量进行解码，得到所述摔倒对象的摔倒程度评估结果。
[0043]为了解决上述技术问题，本申请实施例还提供一种人体摔倒行为评估装置，采用了如下所述的技术方案：
[0044]一种人体摔倒行为评估装置，包括：
[0045]第一视频获取模块，用于按照预设时长间隔实时采集待识别视频；
[0046]摔倒动作识别模块，用于通过预先训练的行为分类模型对所述待识别视频进行人体行为识别，以确定所述待识别视频中是否存在摔倒动作；
[0047]第二视频获取模块，用于当所述待识别视频中存在摔倒动作时，从所述待识别视频中截取所述摔倒动作发生前后预定时间间隔内的目标视频片段；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体摔倒行为评估方法，其特征在于，包括：按照预设时长间隔实时采集待识别视频；通过预先训练的行为分类模型对所述待识别视频进行人体行为识别，以确定所述待识别视频中是否存在摔倒动作；若所述待识别视频中存在摔倒动作，则从所述待识别视频中截取所述摔倒动作发生前后预定时间间隔内的目标视频片段；对所述目标视频片段进行特征识别，得到所述目标视频片段中摔倒对象的特征集合，其中所述特征集合包括身份特征、微表情特征、行为特征和声音特征；基于预设的特征权重算法分别计算所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重；基于所述特征权重对所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重进行组合，得到特征权重组合；将所述特征权重组合输入到预先训练的摔倒程度预测模型，得到所述摔倒对象的摔倒程度评估结果。2.如权利要求1所述的人体摔倒行为评估方法，其特征在于，所述通过预先训练的行为分类模型对所述待识别视频进行人体行为识别，以确定所述待识别视频中是否存在摔倒动作的步骤，具体包括：对所述待识别视频进行关键帧提取，得到所述待识别视频中的关键帧图像；对所述关键帧图像中待检测对象进行关节点检测，得到所述待检测对象的关节点；对检测到的所述关节点进行连线，得到所述待检测对象的关节点图像；通过所述关节点图像判断所述待检测对象是否存在摔倒动作。3.如权利要求2所述的人体摔倒行为评估方法，其特征在于，所述对检测到的所述关节点进行连线，得到所述待检测对象的关节点图像的步骤，具体包括：依次计算所述关节点之间的亲和力值，并判断所述亲和力值是否大于或等于预设阈值；当所述亲和力值大于或等于预设阈值时，对所述关节点进行匹配连接；当所有所述关节点均完成匹配连接后，得到所述待检测对象的关节点图像。4.如权利要求1所述的人体摔倒行为评估方法，其特征在于，所述对所述目标视频片段进行特征识别，得到所述目标视频片段中摔倒对象的特征集合的步骤，具体包括：对所述目标视频片段内的摔倒对象进行身份特征识别，得到所述摔倒对象的身份特征；对所述目标视频片段内的摔倒对象进行微表情特征识别，得到所述摔倒对象的微表情特征；对所述目标视频片段内的摔倒对象进行行为特征识别，得到所述摔倒对象的行为特征；对所述目标视频片段内的摔倒对象进行声音特征识别，得到所述摔倒对象的声音特征；组合所述身份特征、所述微表情特征、所述行为特征和所述声音特征，得到所述摔倒对象的特征集合。
5.如权利要求1至4任一项所述的人体摔倒行为评估方法，其特征在于，基于预设的特征权重算法分别计算所述身份特征、所述微表情特征、所述行为特征和所述声音特征的特征权重的步骤，具体包括：为所有所述子特征赋予相同的初始权重；计算同一类别的子特征的特征相似度，得到第一相似度，以及计算不同类别的子特征的特征相似度，得到第二相似度；基于所述第一相似度和所述第二相似度调整所述子特征的初始权重；当所...

【专利技术属性】
技术研发人员：刘建立，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：