一种基于高分辨率神经网络模型的居家老人摔倒检测方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于高分辨率神经网络模型的居家老人摔倒检测方法、系统、装置及存储介质，属于计算机视觉异常行为检测技术领域，包括获取待检测的视频；对视频进行尺寸预处理；将尺寸预处理后的视频输入到训练好的高分辨率神经网络模型中，输出摔倒检测结果；本发明专利技术能够实现对时序特征的处理，很好地满足摔倒检测任务高分辨率的要求，提高摔倒检测的准确性。确性。确性。

【技术实现步骤摘要】
一种基于高分辨率神经网络模型的居家老人摔倒检测方法、系统、装置及存储介质


[0001]本专利技术涉及一种基于高分辨率神经网络模型的居家老人摔倒检测方法、系统、装置及存储介质，属于计算机视觉异常行为检测


技术介绍

[0002]日常生活中，导致人体摔倒的原因主要有两种，一种是因腿脚不方便被绊倒或滑到，另一种是因疾病引起的摔倒；摔倒时如果没有得到及时的救助，往往会导致伤情加重，甚至付出生命代价；因此，对于人体的摔倒进行检测显得尤为重要。
[0003]基于计算机视觉的摔倒检测任务是位置敏感的，为了使获取的位置信息更加精准，首先，最容易想到的方法就是维持高分辨率的特征图。大多数现有的方法是将输入从高分辨率表征编码到低分辨率表征，然后从低分辨率恢复到高分辨率，比如SegNet(用于图像分割的深度卷积编码器
‑
解码器架构)、DeconvNet(Deconvolution network)、U
‑
Net(全卷积神经网络)等。这种做法虽然获取了高分辨率，但是会导致大量的有效信息在不断的上下采样过程中丢失，从而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率神经网络模型的居家老人摔倒检测方法，其特征在于，包括：获取待检测的视频；对视频进行尺寸预处理；将尺寸预处理后的视频输入到训练好的高分辨率神经网络模型中，输出摔倒检测结果。2.根据权利要求1所述的一种基于高分辨率神经网络模型的居家老人摔倒检测方法，其特征在于，所述尺寸预处理，包括：将视频的尺寸设置为预设尺寸。3.根据权利要求1所述的一种基于高分辨率神经网络模型的居家老人摔倒检测方法，其特征在于，所述高分辨率神经网络模型包括预处理模块，所述预处理模块包括空间卷积和时间卷积；在预处理模块中：先通过空间卷积捕获视频的空间特征并减小预处理模块最终生成的特征图的尺寸；然后将空间卷积输出的特征输入到时间卷积中，捕获视频的时间特征，从而得到预处理特征图。4.根据权利要求3所述的一种基于高分辨率神经网络模型的居家老人摔倒检测方法，其特征在于，所述高分辨率神经网络模型包括注意力模块，所述注意力模块为Coordinate Attention；在注意力模块中：通过pooling kernel在输入的所述预处理特征图上对通道分别沿水平、垂直和时间方向进行编码，得到水平方向感知、垂直方向感知和时间方向感知的中间特征图；将三个中间特征图进行concatenate操作，然后使用卷积变换函数进行变换操作，得到三个中间特征映射；将三个中间特征映射经过BN和ReLU激活函数后分解为三个单独的张量，对所述三个张量分别经过卷积恢复到和输入的预处理特征图相同的通道数，最后对通道数恢复的三个张量经过Sigmoid激活函数加权，得到输出特征。5.根据权利要求4所述的一种基于高分辨率神经网络模型的居家老人摔倒检测方法，其特征在于，所述高分辨率神经网络模型包括主干网络，所述主干网络包含四个阶段，第一阶段包括第一层级的子网络，第二阶段包括并行的第一层级和第二层级的子网络，第三阶段包括并行的第...

【专利技术属性】
技术研发人员：张小瑞，解其健，孙伟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：