人体摔倒识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了人体摔倒识别方法、装置、计算机设备及存储介质。所述方法包括：获取人体活动图像；将所述人体活动图像进行预处理，以得到处理结果；将所述处理结果输入至所述人体摔倒识别模型内进行人体行为状态识别，以得识别结果；对所述识别结果进行复核，以得到复核结果；当所述复核结果是所述人体活动图像存在人体摔倒行为，则生成警报信息。通过实施本发明专利技术实施例的方法可以解决现有人体摔倒识别技术所面临的成本高、易误识别与漏识别、识别精度与速度无法兼顾、受干扰影响严重等问题。题。题。

【技术实现步骤摘要】
人体摔倒识别方法、装置、计算机设备及存储介质


[0001]本专利技术涉及人体动作识别方法，更具体地说是指人体摔倒识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]独居老人的医疗健康问题引起社会的广泛关注。因此及时识别人体摔倒行为以降低安全隐患面临迫切的现实需求，并且具有广阔的应用前景和巨大的经济价值。
[0003]现有人体摔倒行为的识别手段包括三种，第一种是基于可穿戴式设备如陀螺仪、加速度计监测人体姿态特征，然后通过提取特征和行为建模识别摔倒异常行为，然而穿戴式设备会为老人行动带来不便、舒适性较差，且不适应于室外或拥挤场景；第二种是基于环境传感器，如压力传感器、红外传感器等获取老人日常行为数据，通过建模分析检测老人异常行为，然而此类方法成本较高、受环境干扰影响较大，准确率较低；第三种是基于计算机视觉技术，从监控设备中获取人体活动信息，通过图像处理、模式识别检测是否有异常摔倒行为发生，该类方法无需用户人为佩戴设备，成本低、用户体验好、且识别精度较高，成为主流摔倒识别技术。基于计算机视觉的人体摔倒识别技术包含传统机器学习方法与深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人体摔倒识别方法，其特征在于，包括：获取人体活动图像；将所述人体活动图像进行预处理，以得到处理结果；将所述处理结果输入至所述人体摔倒识别模型内进行人体行为状态识别，以得识别结果；对所述识别结果进行复核，以得到复核结果；当所述复核结果是所述人体活动图像存在人体摔倒行为，则生成警报信息。2.根据权利要求1所述的人体摔倒识别方法，其特征在于，所述人体摔倒识别模型是通过带标签的离线获取的人体摔倒图像进行预处理后形成的图像作为样本集训练深度学习网络形成的；所述深度学习网络由结合通道注意力机制和CSPDarkNet的骨干网络、多尺度特征融合结构以及检测头网络结构构成。3.根据权利要求2所述的人体摔倒识别方法，其特征在于，所述人体摔倒识别模型是通过带标签的离线获取的人体摔倒图像进行预处理后形成的图像作为样本集训练深度学习网络形成的，包括：离线获取人体摔倒图像，对所述人体摔倒图像进行标签标注，并将标注后的所述人体摔倒图像划分为训练集与验证集；对所述训练集以及所述验证集分别进行预处理，以得到训练图像集以及验证图像集；构建深度学习网络；利用所述训练图像集对所述深度学习网络进行训练，并利用所述验证图像集对所述深度学习网络进行性能评估，以得到人体摔倒识别模型。4.根据权利要求3所述的人体摔倒识别方法，其特征在于，所述对所述训练集以及所述验证集分别进行预处理，以得到训练图像集以及验证图像集，包括：对所述训练集以及所述验证集分别进行数据归一化处理，以得到归一化的训练集以及归一化的验证集；对归一化的训练集以及归一化的验证集分别进行数据标准化处理，以得到标准化训练集以及验证图像集；对所述标准化训练集进行数据增强，以得到训练图像集。5.根据权利要求4所述的人体摔倒识别方法，其特征在于，所述利用所述训练图像集对所述深度学习网络进行训练，并利用所述验证...

【专利技术属性】
技术研发人员：李爱林，王彩凤，陈兴委，
申请(专利权)人：深圳华付技术股份有限公司，
类型：发明
国别省市：