训练摔倒检测模型的方法、摔倒检测方法及相关装置制造方法及图纸

本申请实施例涉及智能监测技术领域领域，公开了一种训练摔倒检测模型的方法、摔倒检测方法及相关装置，获取若干个动作样本，将若干个动作样本作为训练集，对训练集中的各个训练样本进行差分计算，得到若干个差分样本。将各个差分样本和对应的训练样本进行通道拼接，得到若干个拼接样本。最后，采用若干个拼接样本，对预先设置的神经网络进行迭代训练，直至神经网络收敛，得到摔倒检测模型。通过上述方式，使得神经网络能够参考差分图像中的差分信息，忽略静态热源的干扰；另一方面，侧重学习N帧多通道的图像中动态数据的变化。因此，使得训练得到的摔倒检测模型具有较强的抗干扰能力，摔倒检测更加准确。检测更加准确。检测更加准确。

【技术实现步骤摘要】
训练摔倒检测模型的方法、摔倒检测方法及相关装置


[0001]本申请实施例涉及智能监测
，尤其涉及一种训练摔倒检测模型的方法、摔倒检测方法及相关装置。

技术介绍

[0002]人体摔倒检测技术有助于及时发现儿童、老人跌倒，避免更为严重的结果发生。当前对于摔倒检测的方式，大多数是针对特定场景，比如运动场景，适用年轻人群，或者，通过可穿戴设备判断是否摔倒。这些方式，一方面，对于行为缓慢的老人，检测效果较差；另一方面，可穿戴设备需要随身佩戴，这并不方便，也不适用于洗浴等特殊场景。在涉及私密性的场所，如卫生间、卧室等，要兼顾保护人的隐私和监护的需要，常以低分辨率红外设备替代高分辨率的RGB摄像头作为监护工具，红外热成像摄像头只采集目标的温度信息，信息分辨率低，可保障用户的隐私。
[0003]在本申请专利技术人所知晓的一些方案中，使用高帧率、低分辨率的红外热成像设备获取场景中的温度分布数据，以供捕捉和分析人体是否摔倒。对于低清红外数据而言，背景环境是影响摔倒检测准确度的重要因素。当背景中静态的干扰热源和目标人体的温度相近，将难以区分物体和人体，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练摔倒检测模型的方法，其特征在于，包括：获取若干个动作样本，各所述动作样本包括N帧红外图像，每个所述动作样本标注有反映是否摔倒的真实类别标签；将所述若干个动作样本作为训练集，对所述训练集中的各个训练样本进行差分计算，得到若干个差分样本；将各个所述差分样本和对应的训练样本进行通道拼接，得到若干个拼接样本；采用所述若干个拼接样本，对预先设置的神经网络进行迭代训练，直至所述神经网络收敛，得到所述摔倒检测模型。2.根据权利要求1所述的方法，其特征在于，所述对所述训练集中的各个训练样本进行差分计算，得到若干个差分样本，包括：对于所述训练样本中第i帧红外图像，若i＜3，则将第i帧红外图像与第1帧红外图像进行差分计算，若i≥3，则将第i帧红外图像与第i
‑
2帧红外图像进行差分计算，得到N个差分图像；将所述N个差分图像中的负差分设置为0、保留正差分，得到N个正差分图像；以及，将所述N个差分图像中的正差分设置为0、保留负差分，得到N个负差分图像；将所述N个正差分图像和所述N个负差分图像分别进行归一化处理后，进行通道拼接，得到所述差分样本。3.根据权利要求1所述的方法，其特征在于，所述将各个所述差分样本和对应的训练样本进行通道拼接，得到若干个拼接样本，包括：将所述训练样本进行归一化处理；将归一化处理后的训练样本与所述差分样本进行通道拼接，得到所述拼接样本。4.根据权利要求1所述的方法，其特征在于，所述神经网络包括顺次连接的特征提取网络、循环神经网络和Attention层；其中，所述特征提取网络用于对输入的拼接样本进行特征提取，输出N个第一特征图；所述循环神经网络用于对输入的所述N个第一特征图逐帧进行特征融合提取，输出N个融合特征图；所述Attention层用于对输入的所述N个融合特征图进行权重计算，输出注意力向量，所述注意力向量用于输入SoftMax层以计算摔倒...

【专利技术属性】
技术研发人员：蔡荣亮，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：