【技术实现步骤摘要】
基于改进YOLOv5的跌倒行为检测方法及系统
[0001]本专利技术涉及老年人监护监测技术,具体涉及基于改进YOLOv5的跌倒行为检测方法及系统。
技术介绍
[0002]世界老年人口正在迅速增长。在中国,65岁以上人口占总人口的10.1%,到2050 年将增加到35%左右[1]。在日本,内部事务和通信省统计局的数据显示,2019年,65 岁以上的人占总人口的28.4%[2]。随着年龄的增长,以及高血压、低血压、膝关节疼痛等身体疾病的存在,老年人逐渐不能稳定地控制自己的运动,导致跌倒次数增多。根据世界卫生组织的数据表明,跌倒是意外死亡的第二大原因[3]。老年人若因严重受伤或昏迷摔倒,无法及时寻求帮助,很可能导致死亡。因此,提出一种有效的跌倒检测方法是十分必要的。
[0003]近年来,跌倒检测方法根据获取跌倒特征方式的不同主要分为三类:基于可穿戴传感器的方法、基于环境传感器的方法和基于计算机视觉的方法。
[0004]基于可穿戴传感器的方法主要通过让老年人佩戴特定的传感器来确定他们的行为状态或位置信息。大部分的研究都是基于加速度计的研究,其方法是通过分析和采集多个轴的加速度来判断是否发生跌倒。例如,Chaitep和Chawachat提出了一种算法,该算法使用加速度计读数导出的重力值来检测下落。Shahzad等人在2017年实现了一种基于加速度计的跌倒事件检测系统,随后他们进一步提出了一种仅使用加速度计的高精度跌倒检测方法。在文献,Yacchirema等人,2018年的另一项研究中,作者将3d轴加速度计嵌入6 ...
【技术保护点】
【技术特征摘要】
1.基于改进YOLOv5的跌倒行为检测方法,其特征在于,所述方法包括:S1、加载预置YOLOv5模型,初始化所述预置YOLOv5模型的参数;S2、采集并预处理图像数据,据以得到训练数据集验证数据,根据所述训练数据提取图像特征并进行物体定位分类,计算损失函数,利用SGD优化所述预置YOLOv5模型的网络参数,根据所述验证数据计算mAP,据以迭代获取适用模型,其中,所述步骤S2中采用预置CIOU损失函数作为预测框偏差的指标;S3、采集并输入测试图片至所述适用模型,据以进行位置及分类预测,计算向前推导及NMS所用时间,据以在所述测试图片上画出最终跌倒行为识别结果,其中,所述步骤S3还包括:S31、在所述预置YOLOv5模型中的残差组件后加入CBAM注意力机制,以卷积块注意力模型对所述测试图片的特征图进行最大池化、平均池化、拼接操作以及卷积操作,据以生成单通道矩阵,据以得到卷积块注意力处理结果;S32、将所述卷积块注意力处理结果输入到Sigmoid激活函数,以得到主干网络特征;S33、在所述预置YOLOv5模型中的特征金字塔中采用BiFPN结构,据以对不少于2种尺度的所述主干网络特征进行双向跨尺度连接以及加权特征融合,以得到跨尺度特征融合识别数据,据以获取所述最终跌倒行为识别结果。2.根据权利要求1所述的基于改进YOLOv5的跌倒行为检测方法,其特征在于,所述步骤S2中,以下述逻辑计算所述预置CIOU损失函数:Loss
CIoU
=1
‑
CIoU其中,b代表预测框的中心点,b
gt
代表真实框的中心点,ρ表示计算b和b
gt
之间的欧式距离。c代表的是能够同时包含预测框和真实框的最小闭包区域的对角线距离、α是权重参数、v则是度量长宽比一致性的参数。3.根据权利要求1所述的基于改进YOLOv5的跌倒行为检测方法,其特征在于,所述步骤S31包括:S311、在所述预置YOLOv5模型中的残差组件后加入CBAM注意力机制,以形成CBAMC3模块;S312、以所述CBAMC3模块中的通道注意力模块对所述测试图片的特征图进行最大池化及平均池化操作,以得到池化一维向量;S313、将所述池化一维向量传递到预置的多层感知机MLP;S314、通过预置乘逻辑处理获得所述调整通道注意力特征图;S315、以所述CBAMC3模块中的空间注意模块对所述调整注意力特征图进行最大池化和平均池化操作,将两层进行拼接操作,并用7
×
7的卷积核进行卷积操作以生成所述单通道矩阵,据以获取所述卷积块注意力处理结果。4.根据权利要求3所述的基于改进YOLOv5的跌倒行为检测方法,其特征在于,所述步骤
S314中,通过下述逻辑处理获得所述调整通道注意力特征图:其中,W1和W2表示权重,和表示平均池化和最大池化后的feature map,σ为sigmoid激活函数。5.根据权利要求1所述的基于改进YOLOv5的跌倒行为检测方法,其特征在于,所述步骤S32中,通过下述逻辑,利用所述Sigmoid激活函数处理所述卷积块注意力处理结果:M
s
=σ(f
7*7
(F
s
...
【专利技术属性】
技术研发人员:张振亚,何明艳,王萍,方博,屈兴亮,孙兆隽,程红梅,
申请(专利权)人:安徽建筑大学,
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。