【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:
[000 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。