一种多特征融合人体跌倒检测方法及系统技术方案

本发明专利技术公开了一种多特征融合人体跌倒检测方法及系统，属于图像处理与模式识别技术领域，所属方法包括：获取样本视频；将样本视频逐帧分割后从中提取骨骼关节点及其空间分布特征和时间特征；将空间分布特征和时间特征进行融合得到特征张量；将特征张量输入预训练好的STM

【技术实现步骤摘要】
一种多特征融合人体跌倒检测方法及系统


[0001]本专利技术涉及一种多特征融合人体跌倒检测方法及系统，属于图像处理与模式识别


技术介绍

[0002]人工智能领域得到了飞速的发展，越来越多的智能产品走入人们的生活，有关跌倒智能产品虽然很多，但是大部分穿戴复杂，效果不佳；跌倒识别是居家养老看护中最重要的因素之一，起到关键性作用，所以能感知跌倒并做出相应反映的人机交互领域迫切地需要得到发展；但是，如何提高计算机对跌倒识别的准确率依旧是一大难题。
[0003]目前，人体摔倒检测主要有基于可穿戴设备检测、基于外部环境传感器检测等；基于可穿戴设备检测法通常将传感器嵌入手环、腰带等可随身携带的物品，采集人体运动数据，进而通过阈值法、SVM等完成摔倒检测；可穿戴设备需要老人时刻佩戴，对于一些高龄特别是记忆力衰退的老人，可能会忘记；另外一些老人还会因身体舒适性而抵触该类设备，不喜欢佩戴；基于外部环境传感器检测法，通常是利用人体运动对环境中一些物理量如压力、振动、红外热源的变化来识别摔倒行为，这种方法需要在环境中部署传感器，受周围环境噪音影响，系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多特征融合人体跌倒检测方法，其特征在于，包括：获取样本视频；将样本视频逐帧分割后从中提取骨骼关节点及其空间分布特征和时间特征；将空间分布特征和时间特征进行融合得到特征张量；将特征张量输入预训练好的STM
‑
GRU中，得到跌倒的置信度，若置信度大于预设置信度阈值则检测结果为跌倒，否则检测结果为非跌倒。2.根据权利要求1所述的一种多特征融合人体跌倒检测方法，其特征在于，所述空间分布特征包括骨骼关节点的归一化坐标点到基准点之间的欧式距离的累和；所述归一化坐标点通过以下方式得到：计算归一化坐标矩阵：其中，P
std
表示归一化坐标矩阵，P表示形状为(K,D)的numpy矩阵，K表示骨骼关节点个数，D表示坐标维度，P
.axis_max
表示坐标的最大值，P
.axis_min
表示坐标的最小值；归一化坐标矩阵中的各个元素为骨骼关节点的归一化坐标点；两点之间的欧式距离通过以下公式计算得到：其中，E表示欧式距离，x1和x2分别是两点的横坐标，y1和y2分别是两点的纵坐标；计算得到各骨骼关节点的归一化坐标点到基准点之间的欧式距离后，再将各欧式距离相加得到所述骨骼关节点的归一化坐标点到基准点之间的欧式距离的累和。3.根据权利要求1所述的一种多特征融合人体跌倒检测方法，其特征在于，所述空间分布特征包括人体轮廓矩形长宽比，所述人体轮廓矩形的长和宽通过以下方法计算得到：从骨骼关节点中获取头部区域骨骼关节点集合和脚部区域骨骼关节点集合并从所述两集合中各选取一点，用选取出的两点之间纵坐标之差表示人体轮廓矩形的长；从从骨骼关节点中获取左侧区域骨骼关节点集合和右侧区域骨骼关节点集合并从所述两集合中各选取一点，用选取出的两点之间横坐标之差表示人体轮廓矩形的宽。4.根据权利要求1所述的一种多特征融合人体跌倒检测方法，其特征在于，所述空间分布特征包括关键夹角度数，所述关键夹角包括大腿向量和小腿向量之间的第一夹角、背部向量和大腿向量之...

【专利技术属性】
技术研发人员：李晓飞，徐思成，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：