一种跌倒行为识别及判定方法技术

本发明专利技术提供了一种跌倒行为识别及判定方法，属于跌倒判定技术领域，包括：采集在一定范围内的人和支撑面的轮廓信息，在上位机内通过轮廓信息生成对应的人物模型和支撑面模型。根据实际情况设置支撑面模型的强度参数和硬度参数。确定出各人物模型的重心位置以及支撑面模型对重心支撑力的大小和方向。当人物模型失衡的时间间隔和人物模型碰撞支撑面时的作用力均达到预设要求时，则判定发生了跌倒。本发明专利技术提供的一种跌倒行为识别及判定方法通过失衡的时间间隔以及在拟合出的膨胀时的作用力，从而优化了跌倒的判定条件，从而更有指导意义，避免了误判提高了准确度。避免了误判提高了准确度。避免了误判提高了准确度。

【技术实现步骤摘要】
一种跌倒行为识别及判定方法


[0001]本专利技术属于跌倒判定
，更具体地说，是涉及一种跌倒行为识别及判定方法。

技术介绍

[0002]在全球老龄化现象加剧的情况下，跌倒成为老年人首要的健康威胁之一。越来越多的老人独居生活，无人照看，发生意外时不能及时被发现，导致老年人的生活存在很大安全隐患。
[0003]随着我国平安城市、智能交通等各项建设的持续开展，将机器视觉技术融入视频监控系统的方法，已成为现在的热门研究问题。目前，现有的方法大多是应用传统的机器学习方法进行跌倒行为识别，识别率不高，导致不能及时对老人进行救治。因此，如何高效、准确、实时的检测老人跌倒是现在迫切需要解决的问题。
[0004]目前针对跌倒的检测的方法主要有三类：基于可穿戴设备的方法，基于环境传感器的方法和基于计算机视觉的方法，但是上述方法均存在过度判定或者欠判定，因为即便人失衡了，如何下方有支撑那么不应判定为跌倒，基于上述原因导致目前的判定方法，实用性不强，准确度较低。

技术实现思路

[0005]本专利技术的目的在于提供一种跌倒行为识别及判定方法，旨在解决对跌倒进行判定时实用性不强，准确度较低的问题。
[0006]为实现上述目的，本专利技术采用的技术方案是：提供一种跌倒行为识别及判定方法，包括：
[0007]采集在一定范围内的人和支撑面的轮廓信息，在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型；
[0008]根据实际情况设置所述支撑面模型的强度参数和硬度参数；
[0009]确定出各所述人物模型的重心位置以及所述支撑面模型对所述重心支撑力的大小和方向；
[0010]当所述人物模型失衡的时间间隔和所述人物模型碰撞所述支撑面时的作用力均达到预设要求时，则判定发生了跌倒。
[0011]在一种可能的实现方式中，所述采集在一定范围内的人和支撑面的轮廓信息包括：
[0012]通过采集设备扫描在一定范围内的所有的人和支撑面；所述支撑面包括地面以及各物体的外周面。
[0013]在一种可能的实现方式中，所述在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型包括：
[0014]通过所述采集设备实时传回的所述轮廓信息，使所述上位机内的所述人物模型和
所述支撑面模型能够与现实同步。
[0015]在一种可能的实现方式中，所述在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型包括：
[0016]确定出相邻时间段的两个所述轮廓信息之间的差异，由所述上位机根据所述差异对所述人物模型和所述支撑面模型进行调整。
[0017]在一种可能的实现方式中，所述根据实际情况设置所述支撑面模型的强度参数和硬度参数包括：
[0018]确定出支撑面的硬度和强度信息，根据所述硬度和强度信息在所述上位机内对所述支撑面模型设置相同且对应的硬度参数和强度参数。
[0019]在一种可能的实现方式中，所述在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型包括：
[0020]设置参照物，确定所述参照物的实际尺寸与所述上位机内生成的模型尺寸的比例关系；
[0021]根据所述比例关系通过所述人物模型和所述支撑面模型确定出所需的实际大小。
[0022]在一种可能的实现方式中，所述确定出各所述人物模型的重心位置以及所述支撑面模型对所述重心支撑力的大小和方向包括：
[0023]根据人的性别和当前衣物的类型，拟合出对应人的体态；
[0024]根据各部位的质量参数，通过所述体态确定出人的体重。
[0025]在一种可能的实现方式中，所述确定出各所述人物模型的重心位置以及所述支撑面模型对所述重心支撑力的大小和方向包括：
[0026]根据所述人物模型相对于所述支撑面模型运动的速度和加速度，并结合所述重心的位置，分析出所述支撑面对所述重心的支撑力的大小以及方向。
[0027]在一种可能的实现方式中，所述当所述人物模型失衡的时间间隔和所述人物模型碰撞所述支撑面时的作用力均达到预设要求时，则判定发生了跌倒包括：
[0028]在所述上位机内，自所述人物模型出现失衡时开始至所述人物模型重新平衡后为止，确定出所述时间间隔。
[0029]在一种可能的实现方式中，所述当所述人物模型失衡的时间间隔和所述人物模型碰撞所述支撑面时的作用力均达到预设要求时，则判定发生了跌倒包括：
[0030]在所述上位机内，模拟出所述人物模型膨胀所述支撑面时的作用力；
[0031]根据年龄的不同设置不同的判定区间，当所述时间间隔位于所述判定区间且所述作用力大于对应的标准，则判定为跌倒，否则不进行预警。
[0032]本专利技术提供的一种跌倒行为识别及判定方法的有益效果在于：与现有技术相比，本专利技术一种跌倒行为识别及判定方法中首先采集在一定范围内的人和支撑面的轮廓信息，当轮廓信息确定后，在上位机内通过轮廓信息就能够生成对应的人物模型和支撑面模型。为了更切近现实，需要根据实际情况对支撑面模型的强度参数和硬度参数进行设置。由于人物模型和支撑面模型与现实对应，因此就能够确定出人物模型的重心位置以及支撑面模型对人物模型的支撑力的大小和方向。
[0033]在上位机内，当人物模型的失衡的时间间隔和人物模型碰撞支撑面时的作用力均达到预设要求时则判定发生了跌倒。本申请中，不仅根据实际情况生成了对应的模型，而且
通过失衡的时间间隔以及在拟合出的膨胀时的作用力，从而优化了跌倒的判定条件，从而更有指导意义，避免了误判提高了准确度。
附图说明
[0034]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术实施例提供的一种跌倒行为识别及判定方法的流程图。
具体实施方式
[0036]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0037]请参阅图1，现对本专利技术提供的一种跌倒行为识别及判定方法进行说明。一种跌倒行为识别及判定方法，包括：
[0038]采集在一定范围内的人和支撑面的轮廓信息，在上位机内通过轮廓信息生成对应的人物模型和支撑面模型。
[0039]根据实际情况设置支撑面模型的强度参数和硬度参数。
[0040]确定出各人物模型的重心位置以及支撑面模型对重心支撑力的大小和方向。
[0041]当人物模型失衡的时间间隔和人物模型碰撞支撑面时的作用力均达到预设要求时，则判定发生了跌倒。
[0042]本专利技术提供的一种跌倒行为识别及判定方法的有益效果在于：与现有技术相比，本专利技术一种跌倒行为识别及判定方法中首先采集在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跌倒行为识别及判定方法，其特征在于，包括：采集在一定范围内的人和支撑面的轮廓信息，在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型；根据实际情况设置所述支撑面模型的强度参数和硬度参数；确定出各所述人物模型的重心位置以及所述支撑面模型对所述重心支撑力的大小和方向；当所述人物模型失衡的时间间隔和所述人物模型碰撞所述支撑面时的作用力均达到预设要求时，则判定发生了跌倒。2.如权利要求1所述的一种跌倒行为识别及判定方法，其特征在于，所述采集在一定范围内的人和支撑面的轮廓信息包括：通过采集设备扫描在一定范围内的所有的人和支撑面；所述支撑面包括地面以及各物体的外周面。3.如权利要求2所述的一种跌倒行为识别及判定方法，其特征在于，所述在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型包括：通过所述采集设备实时传回的所述轮廓信息，使所述上位机内的所述人物模型和所述支撑面模型能够与现实同步。4.如权利要求3所述的一种跌倒行为识别及判定方法，其特征在于，所述在上位机内通过所述轮廓信息生成对应的人物模型和支撑面模型包括：确定出相邻时间段的两个所述轮廓信息之间的差异，由所述上位机根据所述差异对所述人物模型和所述支撑面模型进行调整。5.如权利要求3所述的一种跌倒行为识别及判定方法，其特征在于，所述根据实际情况设置所述支撑面模型的强度参数和硬度参数包括：确定出支撑面的硬度和强度信息，根据所述硬度和强度信息在所述上位机内对所述支撑面模型设置相同且对应的硬度参数和强度参数。6.如权利要求5所述的一种跌倒行为识别及判定方法，其特征在于，所述在上位机内通过所...

【专利技术属性】
技术研发人员：赵建光，范晶晶，刘岩石，王振岩，
申请(专利权)人：河北建筑工程学院，
类型：发明
国别省市：