本发明专利技术公开一种基于异常检测的实时老人跌倒检测方法，检测前，进行数据集人工构造与半自动标注。完成网络训练后，拍摄红外图像，将红外图像转化为光流图。将每张红外图与对应光流图叠加，共同输入到状态检测网络中检测老人位置与状态，并使用卡尔曼滤波实现跟踪。其中，目标检测网络预测老人可能的状态，当老人发生状态切换时，表明发现了一个可疑跌倒动作，触发动作识别网络。然后，选取发生状态切换的视频序列输入到动作识别网络进一步确认。最后，根据异常分数判断该次动作是否为跌倒事件，若是则发出警报，否则排除虚警。本发明专利技术设计了状态识别网络和动作识别网络，结合异常检测原理和状态动作联合策略，实现室内老人全天实时跌倒检测。倒检测。倒检测。
【技术实现步骤摘要】
一种基于异常检测的实时老人跌倒检测方法
[0001]本专利技术属于计算机视觉与模式识别、图像处理和智能生活领域，具体为一种基于异常检测原理实时红外检测老人跌倒的方法。
技术介绍
[0002]进入21世纪以来，人口持续高速增长，且老年人口在总人口所占的比例中也在持续增高，人口老龄化问题日益严重。老年人由于体内各器官的生理机能发生一定的衰退，从而导致出现各式各样负面生理现象，如反应迟钝、行动迟缓、平衡能力下降等等，这一系列的因素使得老年人发生跌倒事件的概率大大增加。对于老年人而言，跌倒后没有得到及时救治很有可能会引发一系列疾病，严重威胁老年人的生命安全。现实生活中，独居老人的现象普遍，独居老人跌倒后得不到及时救治导致瘫痪甚至死亡的情况频频发生。因此，为了保障老年人的日常生活安全，研发实时监测老年人跌倒系统有一定的社会与市场需求。
[0003]如今现有的传统跌倒检测技术可分为三大类：声频信号检测(如M.Popescu,Y.Li,M.Skubic and M.Rantz,"An acoustic fall detector system that uses sound height information to reduce the false alarm rate,"200830th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,2008,pp.4628
‑
4631,doi:10.1109/IEMBS.2008.4650244.)，传感器检测(如Bagal
à
F,Becker C,Cappello A,Chiari L,Aminian K,Hausdorff JM,Zijlstra W,Klenk J.Evaluation of accelerometer
‑
based fall detection algorithms on real
‑
world falls.PLoS One.2012；7(5):e37062.doi:10.1371/journal.pone.0037062.Epub 2012May 16.PMID:22615890；PMCID:PMC3353905.)，图像检测(如Amira Ben Mabrouk,Ezzeddine Zagrouba,Abnormal behavior recognition for intelligent video surveillance systems:A review,Expert Systems with Applications,Volume91，2018,Pages 480
‑
491,ISSN 0957
‑
4174,)。本文将在现有的跌倒检测技术中的图像检测类别中提出一种实时红外跌倒检测系统。
[0004]在声频信号检测中，通过麦克风阵列自动检测跌倒(Y.Li，K.C.Ho and M.Popescu，"A Microphone Array System for Automatic Fall Detection"，in IEEE Transactions onBiomedical Engineering，vol.59，no.5，pp.1291
‑
1301，May 2012，doi：10.1109/TBME.2012.2186449.)，获得了高达100％的灵敏性和97％的特异性，但存在不足之处，假设人物缓慢地跌倒在地，发出的声音较微弱，此时声音传感器并不能有效的捕获跌倒的声音。再者，若人物处于较嘈杂的环境时，声音分辨效果欠佳，跌倒识别效果比较一般，误报率较高。
[0005]佩戴传感器检测跌倒广泛使用(如Kangas,M.,Konttila,A.,Lindgren,P.,Winblad,I.,andT.Comparison of low
‑
complexity fall detection algorithms for body attached accelerometers.Gait Posture,2008,28,285
–
291.)，使用传感器检测跌倒的灵敏性好、特异性好。常见的传感器检测跌倒可细分为两类，一类是基于阈值的跌
倒检测，另一类是基于机器学习的跌倒检测。基于阈值的跌倒检测原理主要是使用加速度传感器检测人物是否处于失重状态，检测人物空间方向上的瞬时加速度变化判断人物是否跌倒，(如Hsieh,C.
‑
Y.；Liu,K.
‑
C.；Huang,C.
‑
N.；Chu,W.
‑
C.；Chan,C.
‑
T.Novel Hierarchical Fall Detection Algorithm Using a Multiphase Fall Model.Sensors 2017,17,307.)。Maarit Kangas等人(M.Kangas,A.Konttila,I.Winblad and T.Jamsa,"Determination of simple thresholds for accelerometry
‑
based parameters for fall detection,"200729th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,2007,pp.1367
‑
1370,doi:10.1109/IEMBS.2007.4352552.)通过在腰部、手腕和头部佩戴三轴加速度传感器分别测量跌倒检测的加速度阈值检测跌倒，结果表明从腰部和头部进行的测量效果最好。理论上把传感器佩戴在头部的识别效果最好，但考虑到实用性与合理性，把传感器佩戴在腰部进行跌倒检测是个更合适的选择。
[0006]基于机器学习的跌倒检测原理主要是使用训练数据构建模型来预测或检测跌倒，输入跌倒事件和ADL(activities of daily living)训练分类器，得到跌倒检测的模型。曹荟强等人运用加速度传感器结合隐马尔可夫模型建立跌倒过程的概率模型进行跌倒检测([1]曹荟强,林仲志,吴水才.基于隐马尔可夫模型的老年人跌倒行为检测方法研究[J].中国生物医学工程学报,2017,36(02):165
‑
171.)，获得了高达98.2％的准确率、91.3％的灵敏度和99.6％的特异性，测试效果好。但仍存在不足之处，假设人物缓慢跌倒在地，垂直方向上的加速度变化不明显，此时跌倒检测效果一般。此外，常应用于跌倒检测机器学习分类方法有支持向量机(如Duan KB.,Keerthi S.S.(2005)Which Is the Be本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于异常检测的实时老人跌倒检测方法，其特征在于针对跌倒检测场景数据集缺失和数据本身特殊性的特点，提出一种人物旋转拍摄和半自动标注的方法来获得训练数据集，使用联合红外图和光流图检测老人位置和状态，为获得连续视频中动作片段，使用人物状态切换的方法定位时序动作，基于异常检测原理，结合红外和光流特征确认跌倒事件，针对动作识别实时性差的问题，提出一种状态识别网络和动作识别网络联合判别的方法，具体包括：步骤一，利用人物旋转拍摄和半自动标注方法构造数据集训练模型；步骤二，联合红外图和光流图检测人物位置和状态；步骤三，基于人物状态切换的方法定位时序动作；步骤四，动作识别网络预测跌倒异常分数；步骤五，状态识别网络和动作识别网络联合获得跌倒识别结果。2.权利要求1所述一种基于异常检测的实时老人跌倒检测方法，其特征在于，步骤一所述人物旋转拍摄是指首先选取室内环境作为拍摄地点，人以各种姿势位于转盘处模拟真实场景，然后，旋转转盘拍摄得到人不同方向的红外图像，将红外摄像头安装在转盘中心的不同方位，以同样方法旋转转盘获得人不同背景的红外图像，重复操作构造大量人不同状态的图像。3.权利要求1所述一种基于异常检测的实时老人跌倒检测方法，其特征在于，步骤一所述半自动标注方法是指将拍摄获得的红外图像进行OTSU最大类间方差法(Maximization of interclass variance)阈值分割，利用Opencv内置连通区域标记函数获得二值图像的连通区域，进一步获得连通区域的外接矩形，通过筛选获得目标矩形框。筛选策略为，对于不同人物状态的二值图，设定不同的目标矩形的长宽比范围和矩形面积范围，对于每一个矩形框，若长宽比或矩形面积不在设定范围内则直接剔除，而对于满足范围要求的矩形框，计算其长宽比与设定长宽比范围的中值和矩形面积与设定矩形面积范围中值的距离，将距离转化为所占范围比例，求出长宽比比例与面积比例的和作为异常得分，选取得分最小的框作为算法最终的矩形框。最后，由人工检查图片，将有明显标注错误的矩形框做出调整，获得最终数据集。4.权利要求1所述一种基于异常检测的实时老人跌倒检测方法，其特征在于，步骤二所述联合红外图和光流图检测人物位置和状态是指，构造一个状态识别网络，其检测过程是对于连续两帧红外图像，使用Flownet2计算其代表上一帧运动趋势的光流图，将当前帧红外图和上一帧到当前帧的光流图按通道堆叠为<红外,光流>对作为输入，然后Thermal...
【专利技术属性】
技术研发人员：王国华，刘福平，陈永亨，郭荣琛，孔馨月，陈伟庭，张英昊，
申请(专利权)人：华南农业大学，
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。