【技术实现步骤摘要】
基于计算机视觉的跌倒检测方法、装置及存储介质
[0001]本专利技术涉及图像识别技术，尤其涉及一种基于计算机视觉的跌倒检测方法、装置及存储介质。
技术介绍
[0002]随着社会老龄化的快速到来，社区养老在我们的日常生活中变得越来越重要。
[0003]在居住率比较低的社区里，当子女不在家时，老人摔倒本身比较难发现，可能1个小时过去了仍然没有人发现有老人摔倒在地上了，老人本身的行动能力又比较有限，在跌倒后无法自救。
[0004][0005]因此，如何可以在老年人跌倒的时候迅速通知到相关人员进行救助，并且有效保障救助人的权益便成了社区养老里一个非常重要的需求。当然首先要做的还是在社区里安装无死角监控摄像头，这样我们可以快速定位到需要救助的老年人，并形成完整的证据链保证救助人的法律权益。
[0006]目前的跌倒检测系统，一类使用智能手环来实现，这种实现方式借助额外的硬件，利用其中添加的传感器来实现跌倒检测，这种方式无法和社区里已有的系统打通，只能将跌倒信息发送给亲友等，亲友再通知人进行救助，整体时间很长。另一...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉的跌倒检测方法，其特征在于，包括：对摄像头所采集的视频流进行处理，得到视频流中每一帧的视频图像，其中所述视频图像中具有时序信息；判断所述视频图像中存在行人后，对所述视频图像进行位置检测，获取视频图像中行人的地理位置信息；对视频图像中的行人姿态进行锁定后获取行人的姿态信息，基于所述姿态信息获取预设关键点的分布信息；将多个相邻时序视频图像的预设关键点的分布信息输入至预先训练的神经网络处理模型中进行检测得到行人状态信息；若行人状态信息为跌倒则将多个相邻时序视频图像、地理位置信息以及生成的报警信号发送至工作人员处。2.根据权利要求1所述的基于计算机视觉的跌倒检测方法，其特征在于，其中，所述预设关键点为鼻子、左眼睛、右眼睛、左耳朵、右耳朵、左肩膀、右肩膀、左手肘、右手肘、左手腕、右手腕、左胯骨、右胯骨、左膝盖、右膝盖、左脚踝及右脚踝中的任意一种或多种。3.根据权利要求1所述的基于计算机视觉的跌倒检测方法，其特征在于，将多个相邻时序视频图像的预设关键点的分布信息输入至预先训练的神经网络处理模型中进行检测得到行人状态信息包括：预先设置样本集，其中样本集中包括若干训练图像，每个训练图像中具有多个预设关键点的分布信息以及行人状态信息；对训练图像中的预设关键点的分布信息进行高斯分布的方式采集关键点图，基于所述关键点图像生成特征图像；将样本集中的若干相邻时序视频图像中的特征图像和行人状态信息输入至神经网络处理模型中进行训练直至模型收敛。4.根据权利要求2所述的基于计算机视觉的跌倒检测方法，其特征在于，还包括：获取工作人员的反馈信息，所述反馈信息为工作人员对接收到的多个相邻时序视频图像标注为跌倒或不跌倒，所述跌倒和不跌倒属于行人状态信息；基于工作人员的反馈信息对所述神经网络处理模型再次进行训练以改变所述神经网络处理模型的参数梯度。5.根据权利要求1所述的基于计算机视觉的跌倒检测方法，其特征在于，判断所述视频图像中存在行人后，对所述视频图像进行位置检测，获取视频图像中行人的地理位置信息包括：通过单阶段无锚点检测方法对视频图像中的行人以及行人的地理位置信息进...
【专利技术属性】
技术研发人员：李斌，
申请(专利权)人：天津锋物科技有限公司，
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。